MétaCan
Menu
Retour à la cohorte
Enregistrement W4411587250 · doi:10.1139/cjas-2025-0009

Evaluating the efficacy of red, brown, and green seaweeds in reducing in vitro methane production from cattle

2025· article· en· W4411587250 sur OpenAlexaffvenueabout
Tatiane Rogélio Ramos, Ivanor Nunes do Prado, Tim A. McAllister, Kim Stanford, Stephanie A. Terry

Notice bibliographique

RevueCanadian Journal of Animal Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Health
Établissements canadiensUniversity of LethbridgeMcGill UniversityLethbridge CollegeAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésBiologyMethaneBiotechnologyEcology

Résumé

récupéré en direct d'OpenAlex

Two in vitro batch culture experiments were conducted to evaluate the effect of 30 different species of seaweeds found along the Canadian coast and Asparagopsis taxiformis on in vitro degradability, gas production (GP), methane (CH 4 ), and volatile fatty acids (VFA) production in an alfalfa hay diet. Experiment 1 examined the inclusion of 5% dry matter (DM) of 26 seaweeds and A. taxiformis as a positive control. Experiment 2 examined five seaweed species and a seaweed blend at increasing inclusion rates (0%, 0.5%, 1.0%, 2.0%, and 5.0% DM). The composition of seaweeds varied greatly. Asparagopsis taxiformis decreased ( P < 0.01) GP (mL/g DM disappearance (DMD)) and completely inhibited ( P < 0.01) CH 4 production (mL), leading to modifications ( P < 0.01) in the VFA production profile. Shoreblend ( Chondrus crispus, Fucus vesiculosus, Furcellaria lumbricalis, Laminaria longicruris) included at 5% decreased ( P < 0.01) CH 4 yield (mL/g DMI, mL/g DMD) by 12.2% without altering VFA production. In conclusion, A. taxiformis exhibited strong anti-methanogenic potential, and incorporating 5% DM of Shoreblend in high forage diets could potentially mitigate CH 4 emissions from ruminants. The Shoreblend was the only seaweed that showed potential within an in vitro batch culture to inhibit CH 4 production.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,069
Tête enseignante GPT0,325
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetAnimal Nutrition and HealthTravaux en français237 207