MétaCan
Menu
← Back to cohort
Record W4298075461

Des recherches permanentes pour améliorer la qualité du lait.

2011· preprint· fr· W4298075461 on OpenAlexaff
Didier Dupont, Anne Jeanblanc

Bibliographic record

VenueHAL (Le Centre pour la Communication Scientifique Directe) · 2011
Typepreprint
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsWorld Federation of Science Journalists
Fundersnot available
KeywordsArt
DOInot available

Abstract

fetched live from OpenAlex

L'Institut national de la recherche agronomique tente de rendre le lait plus adapté aux besoins de l'homme et plus digeste.L'Inra réalise beaucoup de travaux sur la teneur et la composition du lait en matières grasses, car elles sont très variables et elles dépendent en partie des pratiques d'élevage. Il faut savoir que tous les acides gras (il en existe plus de 400 différents dans cet aliment) n'ont pas la même valeur nutritionnelle. Les recherches visent à réduire les teneurs en acides gras saturés (qui représentent 65 à 70 % des graisses du lait) et à augmenter celles en acides gras insaturés (les "bonnes" graisses). Mais ce n'est pas simple. L'équipe de Jean-Louis Peyraud (unité de production du lait à l'Inra) tente par exemple de diminuer la quantité d'acide palmitique, qui est impliqué dans le risque de maladies cardio-vasculaires. Autre objectif : accroître les teneurs en oméga 3, car ces acides gras insaturés sont bénéfiques, notamment pour le développement des capacités cognitives chez les enfants.Les travaux de Jean-Louis Peyraud ont permis de conclure que l'herbe verte est le fourrage qui permet de produire un lait répondant le mieux aux critères aujourd'hui requis. Et en hiver, les rations à base d'ensilage de maïs conduisent généralement à des laits dont la matière grasse est riche en acides gras saturés. "Les rations à base d'ensilage d'herbe ou de foin entraînent des profils d'acides gras intermédiaires avec l'herbe pâturée", note-t-il. Mais la quantité et la nature des compléments donnés pour couvrir les besoins nutritifs des vaches laitières peuvent fortement les modifier. Enfin, des travaux sont en cours pour comparer les génomes des races de vache et la composition des laits afin de sélectionner des animaux capables de donner un lait plus adapté aux besoins du consommateur. C'est le projet "PhénoFinLait" dont les premiers résultats sont attendus en 2013.Recrudescence d'allergiesAutre thème de recherche : l'intolérance au lactose (qui n'a rien à voir avec l'allergie), qui concerne la moitié des enfants dans le monde. Chez eux, la consommation de lait provoque assez rapidement l'apparition de troubles digestifs. Mais rien ne les empêche de manger des yaourts, un aliment à la fois diététique et source de calcium, qui plus est très apprécié des jeunes. Les chercheurs de l'Inra ont démontré l'effet favorable du yaourt sur la digestion du lactose ainsi que le mécanisme d'action des bactéries du yaourt. "Elles synthétisent une enzyme, la lactase, qui va digérer le lactose dans l'intestin grêle", explique Gérard Corthier (unité de microbiologie de l'alimentation au service de la santé humaine, centre Inra Versailles-Grignon). "Ainsi, les populations microbiennes présentes dans le côlon ont moins de lactose à fermenter et les douleurs abdominales, flatulences ou ballonnements disparaissent."L'Inra s'intéresse également à l'allergie au lait. Ce type de problème touche essentiellement les très jeunes et il disparaît en général à l'âge de 3 ou 4 ans. "On observe depuis une quarantaine d'années une recrudescence des allergies au lait ainsi qu'une modification majeure du profil des patients concernés : la majorité des allergènes incriminés ne sont plus les protéines du lactosérum, mais les caséines", note Didier Dupont (unité science et technologie du lait et de l'oeuf, centre Inra Rennes). Pour expliquer ce phénomène, les chercheurs de son équipe mettent en cause les traitements thermiques trop intenses des laits infantiles qui modifient complètement la structure des caséines. Maintenant que la cause est connue, reste à trouver un moyen de l'éviter...

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.018
Threshold uncertainty score0.061

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0010.001
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0180.006

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.055
GPT teacher head0.262
Teacher spread0.207 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2011
Admission routes1
Has abstractyes

Explore more

Same venueHAL (Le Centre pour la Communication Scientifique Directe)→Same topicAgriculture and Rural Development Research→French-language works237,207→