Multi-omics analysis reveals the effects of prenatal nutrition on carcass-related tissues in beef cattle
Notice bibliographique
Résumé
This study evaluated the long-term metabolic effects of prenatal nutrition in Nellore bulls. Pregnant cows (n = 126) received mineral supplementation only (NP), protein-energy supplementation during the last trimester (PP), or supplementation throughout pregnancy (FP). At slaughter, longissimus (muscle and meat) and subcutaneous fat samples from the offspring were collected for transcriptomics and metabolomics analyses. Data were reduced using Weighted Gene Co-expression Network Analysis, followed by functional enrichment, and then integrated via Spearman's correlations and holistic pathway analysis. Distinct molecular patterns emerged across prenatal nutrition treatments, although all groups influenced energy metabolism and cellular processes. The NP group was strongly associated with protein and lipid metabolism, highlighted by PPAR and sphingolipid signaling pathways, and key hub components including CNOT4 and tryptophan. In contrast, PP and FP groups were more closely linked to immune function, stress resilience, with enrichment of NF-kB signaling, cortisol synthesis, and hub components including TIE1, YWHAZ, carnitine, and glutaconylcarnitine. Shared transcriptome-metabolome modules between groups displayed inverse correlations, suggesting potential antagonistic effects driven by maternal diet. Overall, these results indicate that prenatal nutrition shapes key metabolic processes in muscle, meat, and fat, offering insights to enhance meat quality and production through maternal feeding strategies.
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 | 0,001 | 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) | 0,001 | 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 ».