MétaCan
Menu
Retour à la cohorte
Enregistrement W4414830848 · doi:10.1093/jas/skaf300.112

311 Investigating metabolomic profiles associated with canine fearfulness

2025· article· en· W4414830848 sur OpenAlexaff
Scarlett Burron, Dave J Seymour, Candace Croney, Alexandra Harlander, Anna K. Shoveller

Notice bibliographique

RevueJournal of Animal Science · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAnxietyLogistic regressionMetaboliteAnimal welfareMetabolomicsPeripheral blood

Résumé

récupéré en direct d'OpenAlex

Abstract Chronic fear and anxiety experienced by domestic dogs pose significant welfare concerns, yet the molecular mechanisms related to these states remain poorly understood. Therefore, the objective of this study was to explore the relationships between type and level of fear shown by dogs and peripheral metabolites, aiming to identify metabolic markers that could inform future nutritional strategies for managing fearfulness. One hundred and one client-owned adult dogs of various breeds (48 females; 53 males, 4.2 ± 2.1 years, and 25.7 ± 11.6 kg [mean ± SD]) were recruited for this study. Included dogs ranged from those described by their owners as not generally fearful to very fearful and none were on medications or supplements. Owners completed a questionnaire, based on the Canine Behavioral Assessment and Research Questionnaire (C-BARQ), which includes scenario-based questions scored on a scale from 0 (no fear) to 4 (extreme fear). Responses were categorized into three fear subtypes: stranger-oriented (fear of unfamiliar people), dog-oriented (fear of other dogs), and non-social (fear of unfamiliar situations, objects, or noises) for analysis. To standardize dietary nutrient profiles, dogs were fed a commercial kibble (Acana, Classics Red Meat Recipe) for ≥ 4 weeks prior to blood collection. Serum samples underwent non-targeted liquid chromatography-mass spectrometry metabolite profiling. Logistic regression was used to examine the relationship between fear subtypes and individual metabolites using SAS Studio, with dog as a random effect. Multiple comparisons were corrected using the Benjamini-Hochberg false discovery rate (FDR) adjustment and data was considered significant at pFDR < 0.05. Two metabolites, L-homophenylalanine and indoleacetate, were associated with higher owner-reported non-social fear (pFDR < 0.04). No associations were found between metabolites and human- or dog-oriented fear (pFDR > 0.05). Indoleacetate is a microbial metabolite of tryptophan that acts as a signaling molecule in the gut-brain axis in other mammals, suggesting a potential link between gut-derived metabolites and some types of fear in dogs. While the role of L-homophenylalanine is not well understood in mammals, it is commonly detected in the canine fecal microbiome, further supporting a possible connection between gut microbial metabolism and pathways involved in fear responses. These findings contribute to the growing body of evidence highlighting the important role of gut-brain interactions in fear and anxiety, laying the groundwork for future research in this area. By identifying specific metabolites associated with canine fearfulness, this study provides a foundation for continued exploration of microbiome-metabolite links and the development of targeted nutritional strategies to support behavioral well-being in dogs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,344
Écart entre enseignants0,324 · 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 source (Gemma direct ou Codex distillé), 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetHuman-Animal Interaction StudiesTravaux en français237 207