1,720,975 research outputs found
Identification des acides gras du lait comme proxies des émissions de méthane entérique chez la vache laitière
No full textLe méthane (CH4) est un puissant gaz à effet de serre produit lors de la fermentation microbienne anaérobie des aliments dans le rumen. L’un des enjeux majeurs pour le secteur de l’élevage est de trouver des stratégies (alimentaires, génétique) pour réduire les émissions de CH4 tout en maintenant les performances animales. Les techniques de mesure de ces émissions sont coûteuses et difficilement utilisables à grande échelle sur le terrain, d’où la nécessité de trouver des alternatives de mesure ou biomarqueurs pour prédire ces émissions. Les acides gras (AG) du lait ont déjà été identifiés comme indicateurs intéressants de la méthanogenèse chez la vache laitière, mais il convient d’améliorer la précision des équations de prédiction du CH4 existantes ainsi que d'élargir leur domaine d'application à tous types de rations. L'objectif de mon travail de thèse a été de confirmer la pertinence des AG du lait comme indicateurs périphériques de la méthanogénèse chez la vache laitière avec diverses conditions nutritionnelles. Deux bases de données regroupant des données individuelles (issues d’une collaboration scientifique internationale) et moyennes (issues de la littérature) de CH4, de composition en AG du lait et d’autres performances et caractéristiques de l’animal, ainsi que des données de composition chimique des rations, ont été créées. Parallèlement, l’acquisition in vivo de données en conditions expérimentales contrôlées pour des rations mal connues ont permis d’incrémenter la base de données individuelles. Des équations de prédiction des émissions de CH4 [en g/jour, g/kg de matière sèche ingérée (MSI), et g/kg de lait] ont été développées à partir de certains AG du lait, utilisés seuls ou combinés à d’autres variables d’ingestion et de performances laitières, représentant alors des modèles complexes. Des relations entre les émissions de CH4 et la teneur de différents AG du lait (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, et trans-11,cis-15 C18 :2) ont été mises en évidence, confirmant des voies métaboliques communes dans le rumen entre méthanogenèse et métabolisme lipidique. Les équations sont également liées aux types de régimes à partir desquels elles ont été développées. Les équations simples (AG du lait uniquement) sont moins précises que les complexes (erreurs résiduelles de prédiction, respectivement, de 58.6 g/jour, 2.8 g/kg MSI et 3.7 g/kg lait vs. 42.8 g/jour, 2.5 g/kg MSI et 3.3 g/kg lait). Une différence minimum de 16% de CH4 entre stratégies de réduction pourra être mise en évidence par la meilleure équation de prédiction développée. Des équations basées sur des AG bien déterminés par les méthodes infrarouges devront être testées pour évaluer, en routine et à grande échelle, de nouvelles stratégies de réduction des émissions de CH4 entérique chez la vache laitière.Methane (CH4) is a potent greenhouse gas coming from the anaerobic microbial fermentation of the diet in the rumen. One of the main current challenge for the dairy sector is to find CH4 mitigation strategies (diets or genetics) without altering animal performance. Enteric methane measurement methods are costly and very difficult to apply on a large scale on field. Thus, there is a need to develop alternative measurement methods, such as equations based on proxies to predict CH4 emissions. Milk fatty acids (FA) have been identified as potential predictors of the methanogenesis in dairy cattle, but the prediction ability of extant published CH4 equations must be improved, and their domain of applicability must be enlarged to a wide range of diets. The objective of this PhD thesis was to confirm the potential of milk FA as proxies to predict enteric CH4 emissions in dairy cows fed a wide range of diets. Two databases (based on individual and mean data, respectively) were built thanks to an international collaboration, and gathered data on CH4, milk FA composition, dairy performances, diet and animal characteristics. Two in vivo experiments were conducted with the aim to study the effect of dietary strategies poorly documented, on methanogenesis and milk FA. The data from these experiments were included in the created database. Firstly, simple CH4 prediction equations were developed [g/d, g/kg of DMI (DMI), and g/kg of milk] based only on milk FA, and secondly other variables related to cow intake or characteristics, and dairy performance were added and constituted complex equations. Relationships between CH4 and several milk FA (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, and trans-11,cis-15 C18 :2) were found, confirming common rumen metabolic pathways between methanogenesis and lipid metabolism. Equations were also closely related to the diets included in the database used for their development. Simple equations were less accurate than complex ones (prediction error of 58.6 g/d, 2.8 g/kg DMI and 3.7 g/kg milk vs 42.8 g/d, 2.5 g/kg DMI and 3.3 g/kg milk, respectively). A minimum difference of 16% in CH4 emissions between mitigating strategies can be evidenced with the best prediction equation developed in this PhD. Methane prediction equations based on milk FA well determined by infrared spectrometry methods need to be developed in order to be used on a routine basis and on a large scale. These prediction equations would allow studying the effect of novel mitigation strategies of enteric CH4 emissions in dairy cows
Identification des acides gras du lait comme proxies des émissions de méthane entérique chez la vache laitière
No full textMethane (CH4) is a potent greenhouse gas coming from the anaerobic microbial fermentation of the diet in the rumen. One of the main current challenge for the dairy sector is to find CH4 mitigation strategies (diets or genetics) without altering animal performance. Enteric methane measurement methods are costly and very difficult to apply on a large scale on field. Thus, there is a need to develop alternative measurement methods, such as equations based on proxies to predict CH4 emissions. Milk fatty acids (FA) have been identified as potential predictors of the methanogenesis in dairy cattle, but the prediction ability of extant published CH4 equations must be improved, and their domain of applicability must be enlarged to a wide range of diets. The objective of this PhD thesis was to confirm the potential of milk FA as proxies to predict enteric CH4 emissions in dairy cows fed a wide range of diets. Two databases (based on individual and mean data, respectively) were built thanks to an international collaboration, and gathered data on CH4, milk FA composition, dairy performances, diet and animal characteristics. Two in vivo experiments were conducted with the aim to study the effect of dietary strategies poorly documented, on methanogenesis and milk FA. The data from these experiments were included in the created database. Firstly, simple CH4 prediction equations were developed [g/d, g/kg of DMI (DMI), and g/kg of milk] based only on milk FA, and secondly other variables related to cow intake or characteristics, and dairy performance were added and constituted complex equations. Relationships between CH4 and several milk FA (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, and trans-11,cis-15 C18 :2) were found, confirming common rumen metabolic pathways between methanogenesis and lipid metabolism. Equations were also closely related to the diets included in the database used for their development. Simple equations were less accurate than complex ones (prediction error of 58.6 g/d, 2.8 g/kg DMI and 3.7 g/kg milk vs 42.8 g/d, 2.5 g/kg DMI and 3.3 g/kg milk, respectively). A minimum difference of 16% in CH4 emissions between mitigating strategies can be evidenced with the best prediction equation developed in this PhD. Methane prediction equations based on milk FA well determined by infrared spectrometry methods need to be developed in order to be used on a routine basis and on a large scale. These prediction equations would allow studying the effect of novel mitigation strategies of enteric CH4 emissions in dairy cows.Le méthane (CH4) est un puissant gaz à effet de serre produit lors de la fermentation microbienne anaérobie des aliments dans le rumen. L’un des enjeux majeurs pour le secteur de l’élevage est de trouver des stratégies (alimentaires, génétique) pour réduire les émissions de CH4 tout en maintenant les performances animales. Les techniques de mesure de ces émissions sont coûteuses et difficilement utilisables à grande échelle sur le terrain, d’où la nécessité de trouver des alternatives de mesure ou biomarqueurs pour prédire ces émissions. Les acides gras (AG) du lait ont déjà été identifiés comme indicateurs intéressants de la méthanogenèse chez la vache laitière, mais il convient d’améliorer la précision des équations de prédiction du CH4 existantes ainsi que d'élargir leur domaine d'application à tous types de rations. L'objectif de mon travail de thèse a été de confirmer la pertinence des AG du lait comme indicateurs périphériques de la méthanogénèse chez la vache laitière avec diverses conditions nutritionnelles. Deux bases de données regroupant des données individuelles (issues d’une collaboration scientifique internationale) et moyennes (issues de la littérature) de CH4, de composition en AG du lait et d’autres performances et caractéristiques de l’animal, ainsi que des données de composition chimique des rations, ont été créées. Parallèlement, l’acquisition in vivo de données en conditions expérimentales contrôlées pour des rations mal connues ont permis d’incrémenter la base de données individuelles. Des équations de prédiction des émissions de CH4 [en g/jour, g/kg de matière sèche ingérée (MSI), et g/kg de lait] ont été développées à partir de certains AG du lait, utilisés seuls ou combinés à d’autres variables d’ingestion et de performances laitières, représentant alors des modèles complexes. Des relations entre les émissions de CH4 et la teneur de différents AG du lait (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, et trans-11,cis-15 C18 :2) ont été mises en évidence, confirmant des voies métaboliques communes dans le rumen entre méthanogenèse et métabolisme lipidique. Les équations sont également liées aux types de régimes à partir desquels elles ont été développées. Les équations simples (AG du lait uniquement) sont moins précises que les complexes (erreurs résiduelles de prédiction, respectivement, de 58.6 g/jour, 2.8 g/kg MSI et 3.7 g/kg lait vs. 42.8 g/jour, 2.5 g/kg MSI et 3.3 g/kg lait). Une différence minimum de 16% de CH4 entre stratégies de réduction pourra être mise en évidence par la meilleure équation de prédiction développée. Des équations basées sur des AG bien déterminés par les méthodes infrarouges devront être testées pour évaluer, en routine et à grande échelle, de nouvelles stratégies de réduction des émissions de CH4 entérique chez la vache laitière
Identification des acides gras du lait comme proxies des émissions de méthane entérique chez la vache laitière
No full textMethane (CH4) is a potent greenhouse gas coming from the anaerobic microbial fermentation of the diet in the rumen. One of the main current challenge for the dairy sector is to find CH4 mitigation strategies (diets or genetics) without altering animal performance. Enteric methane measurement methods are costly and very difficult to apply on a large scale on field. Thus, there is a need to develop alternative measurement methods, such as equations based on proxies to predict CH4 emissions. Milk fatty acids (FA) have been identified as potential predictors of the methanogenesis in dairy cattle, but the prediction ability of extant published CH4 equations must be improved, and their domain of applicability must be enlarged to a wide range of diets. The objective of this PhD thesis was to confirm the potential of milk FA as proxies to predict enteric CH4 emissions in dairy cows fed a wide range of diets. Two databases (based on individual and mean data, respectively) were built thanks to an international collaboration, and gathered data on CH4, milk FA composition, dairy performances, diet and animal characteristics. Two in vivo experiments were conducted with the aim to study the effect of dietary strategies poorly documented, on methanogenesis and milk FA. The data from these experiments were included in the created database. Firstly, simple CH4 prediction equations were developed [g/d, g/kg of DMI (DMI), and g/kg of milk] based only on milk FA, and secondly other variables related to cow intake or characteristics, and dairy performance were added and constituted complex equations. Relationships between CH4 and several milk FA (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, and trans-11,cis-15 C18 :2) were found, confirming common rumen metabolic pathways between methanogenesis and lipid metabolism. Equations were also closely related to the diets included in the database used for their development. Simple equations were less accurate than complex ones (prediction error of 58.6 g/d, 2.8 g/kg DMI and 3.7 g/kg milk vs 42.8 g/d, 2.5 g/kg DMI and 3.3 g/kg milk, respectively). A minimum difference of 16% in CH4 emissions between mitigating strategies can be evidenced with the best prediction equation developed in this PhD. Methane prediction equations based on milk FA well determined by infrared spectrometry methods need to be developed in order to be used on a routine basis and on a large scale. These prediction equations would allow studying the effect of novel mitigation strategies of enteric CH4 emissions in dairy cows.Le méthane (CH4) est un puissant gaz à effet de serre produit lors de la fermentation microbienne anaérobie des aliments dans le rumen. L’un des enjeux majeurs pour le secteur de l’élevage est de trouver des stratégies (alimentaires, génétique) pour réduire les émissions de CH4 tout en maintenant les performances animales. Les techniques de mesure de ces émissions sont coûteuses et difficilement utilisables à grande échelle sur le terrain, d’où la nécessité de trouver des alternatives de mesure ou biomarqueurs pour prédire ces émissions. Les acides gras (AG) du lait ont déjà été identifiés comme indicateurs intéressants de la méthanogenèse chez la vache laitière, mais il convient d’améliorer la précision des équations de prédiction du CH4 existantes ainsi que d'élargir leur domaine d'application à tous types de rations. L'objectif de mon travail de thèse a été de confirmer la pertinence des AG du lait comme indicateurs périphériques de la méthanogénèse chez la vache laitière avec diverses conditions nutritionnelles. Deux bases de données regroupant des données individuelles (issues d’une collaboration scientifique internationale) et moyennes (issues de la littérature) de CH4, de composition en AG du lait et d’autres performances et caractéristiques de l’animal, ainsi que des données de composition chimique des rations, ont été créées. Parallèlement, l’acquisition in vivo de données en conditions expérimentales contrôlées pour des rations mal connues ont permis d’incrémenter la base de données individuelles. Des équations de prédiction des émissions de CH4 [en g/jour, g/kg de matière sèche ingérée (MSI), et g/kg de lait] ont été développées à partir de certains AG du lait, utilisés seuls ou combinés à d’autres variables d’ingestion et de performances laitières, représentant alors des modèles complexes. Des relations entre les émissions de CH4 et la teneur de différents AG du lait (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, et trans-11,cis-15 C18 :2) ont été mises en évidence, confirmant des voies métaboliques communes dans le rumen entre méthanogenèse et métabolisme lipidique. Les équations sont également liées aux types de régimes à partir desquels elles ont été développées. Les équations simples (AG du lait uniquement) sont moins précises que les complexes (erreurs résiduelles de prédiction, respectivement, de 58.6 g/jour, 2.8 g/kg MSI et 3.7 g/kg lait vs. 42.8 g/jour, 2.5 g/kg MSI et 3.3 g/kg lait). Une différence minimum de 16% de CH4 entre stratégies de réduction pourra être mise en évidence par la meilleure équation de prédiction développée. Des équations basées sur des AG bien déterminés par les méthodes infrarouges devront être testées pour évaluer, en routine et à grande échelle, de nouvelles stratégies de réduction des émissions de CH4 entérique chez la vache laitière
Identification of milk fatty acids as proxies of the enteric methane emissions in dairy cows
No full textLe méthane (CH4) est un puissant gaz à effet de serre produit lors de la fermentation microbienne anaérobie des aliments dans le rumen. L’un des enjeux majeurs pour le secteur de l’élevage est de trouver des stratégies (alimentaires, génétique) pour réduire les émissions de CH4 tout en maintenant les performances animales. Les techniques de mesure de ces émissions sont coûteuses et difficilement utilisables à grande échelle sur le terrain, d’où la nécessité de trouver des alternatives de mesure ou biomarqueurs pour prédire ces émissions. Les acides gras (AG) du lait ont déjà été identifiés comme indicateurs intéressants de la méthanogenèse chez la vache laitière, mais il convient d’améliorer la précision des équations de prédiction du CH4 existantes ainsi que d'élargir leur domaine d'application à tous types de rations. L'objectif de mon travail de thèse a été de confirmer la pertinence des AG du lait comme indicateurs périphériques de la méthanogénèse chez la vache laitière avec diverses conditions nutritionnelles. Deux bases de données regroupant des données individuelles (issues d’une collaboration scientifique internationale) et moyennes (issues de la littérature) de CH4, de composition en AG du lait et d’autres performances et caractéristiques de l’animal, ainsi que des données de composition chimique des rations, ont été créées. Parallèlement, l’acquisition in vivo de données en conditions expérimentales contrôlées pour des rations mal connues ont permis d’incrémenter la base de données individuelles. Des équations de prédiction des émissions de CH4 [en g/jour, g/kg de matière sèche ingérée (MSI), et g/kg de lait] ont été développées à partir de certains AG du lait, utilisés seuls ou combinés à d’autres variables d’ingestion et de performances laitières, représentant alors des modèles complexes. Des relations entre les émissions de CH4 et la teneur de différents AG du lait (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, et trans-11,cis-15 C18 :2) ont été mises en évidence, confirmant des voies métaboliques communes dans le rumen entre méthanogenèse et métabolisme lipidique. Les équations sont également liées aux types de régimes à partir desquels elles ont été développées. Les équations simples (AG du lait uniquement) sont moins précises que les complexes (erreurs résiduelles de prédiction, respectivement, de 58.6 g/jour, 2.8 g/kg MSI et 3.7 g/kg lait vs. 42.8 g/jour, 2.5 g/kg MSI et 3.3 g/kg lait). Une différence minimum de 16% de CH4 entre stratégies de réduction pourra être mise en évidence par la meilleure équation de prédiction développée. Des équations basées sur des AG bien déterminés par les méthodes infrarouges devront être testées pour évaluer, en routine et à grande échelle, de nouvelles stratégies de réduction des émissions de CH4 entérique chez la vache laitière.Methane (CH4) is a potent greenhouse gas coming from the anaerobic microbial fermentation of the diet in the rumen. One of the main current challenge for the dairy sector is to find CH4 mitigation strategies (diets or genetics) without altering animal performance. Enteric methane measurement methods are costly and very difficult to apply on a large scale on field. Thus, there is a need to develop alternative measurement methods, such as equations based on proxies to predict CH4 emissions. Milk fatty acids (FA) have been identified as potential predictors of the methanogenesis in dairy cattle, but the prediction ability of extant published CH4 equations must be improved, and their domain of applicability must be enlarged to a wide range of diets. The objective of this PhD thesis was to confirm the potential of milk FA as proxies to predict enteric CH4 emissions in dairy cows fed a wide range of diets. Two databases (based on individual and mean data, respectively) were built thanks to an international collaboration, and gathered data on CH4, milk FA composition, dairy performances, diet and animal characteristics. Two in vivo experiments were conducted with the aim to study the effect of dietary strategies poorly documented, on methanogenesis and milk FA. The data from these experiments were included in the created database. Firstly, simple CH4 prediction equations were developed [g/d, g/kg of DMI (DMI), and g/kg of milk] based only on milk FA, and secondly other variables related to cow intake or characteristics, and dairy performance were added and constituted complex equations. Relationships between CH4 and several milk FA (C10:0, iso C17:0 + trans-9 C16:1, iso C16:0, cis-11 C18:1, cis-15 C18:1, cis-9,cis-12 C18:2, and trans-11,cis-15 C18 :2) were found, confirming common rumen metabolic pathways between methanogenesis and lipid metabolism. Equations were also closely related to the diets included in the database used for their development. Simple equations were less accurate than complex ones (prediction error of 58.6 g/d, 2.8 g/kg DMI and 3.7 g/kg milk vs 42.8 g/d, 2.5 g/kg DMI and 3.3 g/kg milk, respectively). A minimum difference of 16% in CH4 emissions between mitigating strategies can be evidenced with the best prediction equation developed in this PhD. Methane prediction equations based on milk FA well determined by infrared spectrometry methods need to be developed in order to be used on a routine basis and on a large scale. These prediction equations would allow studying the effect of novel mitigation strategies of enteric CH4 emissions in dairy cows
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
- …
