Unveiling long-term prenatal nutrition biomarkers in beef cattle via multi-tissue and multi-OMICs analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Maternal nutrition during gestation plays a crucial role in shaping offspring development, metabolism, and long-term health, yet the underlying molecular mechanisms remain poorly understood. OBJECTIVES: This study investigated potential biomarkers through multi-OMICs and multi-tissue analyses in offspring of beef cows subjected to different gestational nutrition regimes. METHODS: A total of 126 cows were allocated to three groups: NP (control, mineral supplementation only), PP (protein-energy supplementation in the last trimester), and FP (protein-energy supplementation throughout gestation). Post-finishing phase, samples (blood, feces, ruminal fluid, fat, liver, and longissimus muscle/meat) were collected from 63 male offspring. RNA sequencing was performed on muscle and liver, metabolomics on plasma, fat, liver, and meat, and 16S rRNA sequencing on feces and ruminal fluid. Data were analyzed via DIABLO (mixOmics, R). RESULTS: The muscle transcriptome showed strong cross-block correlations (|r| > 0.7), highlighting its sensitivity to maternal nutrition. Plasma glycerophospholipids (PC ae C30:0, PC ae C38:1, lysoPC a C28:0) were key biomarkers, particularly for FP. The PP group exhibited liver-associated markers (IL4I1 gene, butyrylcarnitine), reflecting late-gestation effects, while NP had reduced ruminal Clostridia (ASV151, ASV241), suggesting impaired microbial energy metabolism. CONCLUSIONS: This integrative multi-OMICs approach provided deeper insights than single-layer analyses, distinguishing nutritional groups and revealing tissue- and OMIC-specific patterns. These findings demonstrate the value of combining transcriptomic, metabolomic, and microbiome data to identify biomarkers linked to maternal nutrition in beef cattle.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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 découle