Synergistic Microbial Interactions Between Algae and Bacteria Augment Growth and Immune Performance in Red Tilapia (Oreochromis sp.)
Notice bibliographique
Résumé
This study investigated the effects of integrating biofloc with microalgae on growth performance and immune gene expression in red tilapia (Oreochromis sp.). The experiment consisted of four treatments: C (Biofloc), T1 (Chlorella vulgaris and Nannochloropsis sp.; 1:1), T2 (Biofloc + Chlorella vulgaris and Nannochloropsis sp.; 1:1), T3 (Biofloc + Chlorella vulgaris and Nannochloropsis sp.; 2:1) in 500 L plastic tanks for 60 days. T2 and T3 exhibited the lowest ammonia and nitrite levels, respectively. T3 exhibited the highest chlorophyll a and chlorophyll b levels, while T2 showed the highest carotenoid content. T2 showed the highest weight gain (142 ± 0.7 g) and SGR (1.61 ± 0.02) and the lowest FCR (1.79 ± 0.009). T2 exhibited the highest gene expression levels in the intestine, with 7.8-fold upregulation of the cathepsin L (ctsl) gene, 3-fold upregulation of toll-like receptor 7 (tlr7), 6.7-fold upregulation of interleukin-1 b (il-1b), 4.7-fold upregulation of tumor necrosis factor-alpha (tnf-a), and 2.8-fold upregulation of metallothionein (mt). In the head kidney, the mt upregulation was highest in T3 (7.2-fold), while tnf-a and tlr7 upregulations were highest in T2 (5.9-fold and 5-fold, respectively). In the liver, the gene expressions were highest in T3, with 6.4-fold upregulation of mt, 5-fold upregulation of ctsl, 2.7-fold upregulation of tlr7, 3-fold upregulation of il-1b, and 5.4-fold upregulation of tnf-a. These results suggest a synergistic effect of algae and bacteria on immune and antioxidative capacity in red tilapia.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».