MétaCan
Menu
← Retour à la cohorte
Enregistrement W6910765406 · doi:10.5061/dryad.34tmpg4jh

Data and R code from: GC-MS analysis of murine oestrous odours

2021· dataset· en· W6910765406 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEstrous cycleUrineUrinary systemChemiluminescenceOvulationGas chromatography

Résumé

récupéré en direct d'OpenAlex

For female mammals, communicating the timing of ovulation is essential for successful reproduction. Urinary volatile organic compounds (VOCs) play a key role in intraspecific communication among many mammals. Using laboratory mice as a model species, we investigated urinary VOCs across the oestrous cycle. We monitored the oestrous stage through daily vaginal cytology assessment and analysed urinary VOCs using headspace gas chromatography-mass spectrometry (GC-MS), testing the utility of portable GC-MS against the more robust benchtop device. We detected 65 VOCs from 40 samples stored in VOC traps and analysed on a benchtop GC-MS and 15 VOCs from 90 samples extracted by solid-phase microextraction (SPME) and analysed on a portable GC-MS. Only three of the identified compounds were found in common between the two techniques. Urine collected from the fertile stages of the oestrous cycle had increased quantities of a few notable VOCs (3,4-dehydro-exo-brevicomin, butanoic acid, pent-1-ene/cyclopentane, 1,2,3-/1,2,4-trimethylbenzene, heptadecane, dioctyl ether, dodecan-1-ol and 2-ethylhexyl salicylate), compared to urine collected from non-fertile stages. However, we did not find differences in the Bray-Curtis chemical dissimilarity indices among oestrous stages. It is possible that the variation in urine VOCs concentration at play during the oestrous cycle was too subtle to be detected by our analytical methods. Overall, the use of the VOC traps combined with benchtop GC-MS was more successful than SPME combined with portable GC-MS in capturing and identifying murine urinary VOCs. Nonetheless, portable GC-MS systems have the potential for some in situ applications since they allow for the immediate interpretation of results, especially at remote field sites.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil0,912

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3610,198

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 Opus0,106
Tête enseignante GPT0,377
Écart entre enseignants0,271 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→