Banner schließen

2022-05-14 22:10:08 By : Ms. lemon liu

Vielen Dank für Ihren Besuch auf nature.com.Sie verwenden eine Browserversion mit eingeschränkter CSS-Unterstützung.Um die beste Erfahrung zu erzielen, empfehlen wir Ihnen, einen aktuelleren Browser zu verwenden (oder den Kompatibilitätsmodus im Internet Explorer zu deaktivieren).In der Zwischenzeit zeigen wir die Website ohne Stile und JavaScript an, um eine kontinuierliche Unterstützung zu gewährleisten.Scientific Reports Band 12, Artikelnummer: 231 (2022 ) Diesen Artikel zitierenDie Wachstumsunterschiede zwischen den Rindern sind auf das Zusammenspiel vieler Stoffwechselprozesse zurückzuführen, die die Tierauswahl erschweren.Wir stellten die Hypothese auf, dass das Wachstum mithilfe von Metabolomik vorhergesagt werden könnte.Biomarker im Urin für die Futtereffizienz von Rindern wurden mithilfe von Massenspektrometrie-basierten ungezielten und gezielten Metabolomics untersucht.Futteraufnahme und Gewichtszunahme wurden bei Ochsen (n = 75) mit futterbasierten Wachstumsrationen (Stadium 1, 84 Tage) gefolgt von hochkonzentrierten Mastrationen (Stadium 2, 84 Tage) gemessen.Urin von den Tagen 0, 21, 42, 63 und 83 in jedem Stadium wurde von Ochsen mit der größeren (n = 14) und der geringsten (n = 14) durchschnittlichen Tageszunahme (ADG) und vergleichbarer Trockenmasseaufnahme analysiert (DMI; innerhalb von 0,32 SD des Mittelwerts).Ochsen wurden nach Stufe 2 geschlachtet.Die bereinigte Fettdicke und Schlachtkörperleistungsklasse stiegen bei größeren ADG-Rindern, die in Stufe 1 selektiert wurden, aber die Schlachtkörpermerkmale unterschieden sich nicht zwischen den ADG-selektierten in Stufe 2.Insgesamt 85 ungezielte Metaboliten trennten Tiere mit größerem und geringstem ADG, mit Überschneidungen zwischen den Diäten (beide Stadien) und dem Rassetyp, trotz der Auswirkungen der Probenahmezeit.Die Gesamtmenge an 18-Gallensäuren (BAs) und 5-Steroiden wurde quantifiziert und mit Leistung und Schlachtkörperqualität über die ADG-Klassifizierung hinweg in Abhängigkeit vom Stadium in Verbindung gebracht.Die schrittweise logistische Regression von Urin-BA und Steroiden hatte eine Genauigkeit von > 90 % bei der Identifizierung effizienter ADG-Ochsen.Die Urin-Metabolomik bietet neue Einblicke in die physiologischen Mechanismen und potenzielle Biomarker für die Futtereffizienz.Effiziente und nachhaltige Rinderhaltung erfordert die Produktion von hochwertigem Rindfleisch bei gleichzeitiger Reduzierung der Betriebskosten und Produktionsabfälle, um die Nachfrage sowohl der Produzenten als auch der Verbraucher im komplexen US-amerikanischen Rindfleischproduktionssystem zu befriedigen1.Die Industrie verwendet ein breites Spektrum an Nährstoffen und Tierarten, die eine Vielzahl von Regionen und Klimazonen umfassen.Getreidekörner und Getreidenebenprodukte sind die vorherrschenden Nahrungsbestandteile während der Endmast, während Raufutter traditionell die Hauptfraktion in der Rinderfütterung während der Wachstumsperiode darstellt2.Zucht- und Ernährungsprogramme während der letzten Jahrzehnte haben die Tierleistung und die Schlachtkörperzusammensetzung, einschließlich der Wachstumsraten der Rinder und der Fettablagerung, deutlich verbessert3,4.Diese Arten von wirtschaftlich relevanten Merkmalen werden von vielen Genen und Umweltfaktoren gesteuert, die variabel exprimiert werden, was zu einer moderaten Vorhersage der Auswahl von Phänotypen mit hoher Priorität für die Rindfleischindustrie beiträgt5.Die Phänotypisierung der nächsten Generation unter Verwendung von Metabolomics entwickelt sich zu einem grundlegenden Ansatz zur Verfeinerung der Merkmalsbeschreibung, um die Vorhersage von Zuchtwerten der Tiere zu verbessern, die auf die Ziele von Selektionsprogrammen ausgerichtet sind6,7,8.Diese Analysetechnik bietet einen deutlichen Einblick in die biochemische Aktivität, die durch Umwelt- und genetische Faktoren verursacht wird, und kann daher robust mit komplexen Phänotypen korrelieren und Biomarker spezifischer physiologischer Zustände identifizieren9.Eine zusammengestellte Zusammensetzung des bovinen Metaboloms, die die Referenz für Metabolitenwerte in den bovinen Geweben setzt, ist bereits frei verfügbar10.Kürzlich durchgeführte systematische Übersichtsarbeiten zur Metabolomik bei Nutztieren, die sowohl in der Forschung als auch in der Industrie angewendet werden, fassten die Bedeutung der Entdeckung von Biomarkern für prognostische Strategien in Bezug auf die Tiergesundheit/-leistung sowie die Erhöhung der Vorhersagegenauigkeit zusammen11.Wir haben zuvor Biomarker der komplexen Expression der durchschnittlichen Tageszunahme (ADG) in Pansenflüssigkeit/Plasma und mehreren Geweben durch multivariate Analyse während der Mastphase bei Ochsen identifiziert12,13,14.Diese Beobachtungen eröffnen die Möglichkeit, Metabolomik zur Zustandsüberwachung wichtiger Produktionsmerkmale bei Fleischrindern einzusetzen.Die Identifizierung von Metaboliten mit physiologischem Ausdruck für Produktionseffizienz und Schlachtkörperqualität kann ein nützliches Instrument für die Rinderauswahl sein, um eine nachhaltige Rindfleischproduktion zu verbessern.Daher ist eine nicht-invasive Bioflüssigkeit, die sich routinemäßig und ohne spezielle Schulung leicht sammeln lässt, von entscheidender Bedeutung.In der aktuellen Studie zielten wir darauf ab, ein umfassendes Metabolomik-Profiling im Urin unter Verwendung von ungezielter/gezielter LC-MS-Technologie zu untersuchen, mit dem Ziel, Urin-Metaboliten-Marker zu identifizieren, die zur Vorhersage der Futtereffizienz und Qualitätsmerkmale des Rinderschlachtkörpers bei verschiedenen Arten von Ochsen verwendet werden können Futter- und Kraftfutter.In Tabelle 1 sind die Leistungs- und Schlachtkörpermerkmale ausgewählter ADG-Klassifizierungen angegeben.Die Trockenmasseaufnahme (DMI) unterschied sich in beiden Stadien nicht zwischen den ADG-Gruppen;ADG war größer in der Gruppe mit größerem ADG (0,99 ± 0,08 kg/Tag; 2,25 ± 0,08 kg/Tag) als in der Gruppe mit dem geringsten ADG (0,69 ± 0,05 kg/Tag; 1,90 ± 0,08 kg/Tag) für Stufe 1 und Stufe-2, bzw. (P < 0,01).Das Futterumwandlungsverhältnis war in beiden Stadien im Greater-ADG geringer als im Least-ADG (P < 0,01).Die Restfutteraufnahme (RFI) unterschied sich zwischen den ADG-Gruppen in Stufe 1 (P = 0,01), aber nicht in Stufe 2.Das endgültige Körpergewicht der Ochsen unterschied sich nicht (P > 0,29) innerhalb der ADG-Klassifizierung auf 1/2-Stufen.Die bereinigte Fettdicke und der Ertragsgrad der Bildanalyse verbesserten sich in der größeren ADG in Stufe 1 (P < 0,05), während sich die Schlachtkörpermerkmale in Stufe 2 nicht unterschieden (Tabelle 1).Für beide Stadien gab es für die ADG-Gruppen keinen Einfluss des Rassetyps auf die Leistung und die Schlachtkörpereigenschaften (Ergänzungstabelle S1).Ochsen, die in Stufe 1 als größere oder kleinste ADG klassifiziert wurden, waren nicht die gleichen Ochsen, die in Stufe 2 klassifiziert wurden.Die Steigung von ADG während der Kraftfutterfütterung, regressiert auf ADG während der Futterfütterung, unterschied sich nicht von Null für die gesamte Population (P = 0,89), noch unterschied sie sich nur für die in Stufe 2 ausgewählten Rinder (P = 0,18).Insgesamt wurden 85 Metaboliten zwischen den Gruppen mit größerem / geringstem ADG in beiden Stadien (1-Futter-Diät und 2-Konzentrat-Diät) und den sechs Zeitproben während des Wachstums identifiziert (Ergänzungstabelle S2).Um die gesamte metabolische Verschiebung über den gesamten Zeitrahmen der Studie zu analysieren, wurden ANOVA- und ANOVA-simultane Komponentenanalyse (ASCA)-Modelle konstruiert, wobei die resultierenden Ergebnisse grafisch dargestellt und gemäß der Zeitkomponente des Studiendesigns gruppiert wurden.Ein Screeplot wurde verwendet, um die Beziehung zwischen Eigenwerten und Faktoren grafisch darzustellen.Die Hauptmuster im Zusammenhang mit Faktor A (Zeit- oder Stufenvariation), Faktor B (größer / geringster ADG) und deren Wechselwirkung wurden in den Score-Streudiagrammen (ergänzende Abb. S1) basierend auf PC1 der entsprechenden Untermodelle gezeigt.In einem Folgeprozess wurde ein Signifikanztest durch einen Permutationsansatz durchgeführt, um das Modell für die ADG-Klassifikation, Zeit oder Stadium und deren Wechselwirkung zu validieren.Basierend auf der ergänzenden Abb. S1 ist ersichtlich, dass, obwohl die ADG-Klassifizierung und die Zeit beide einen dramatischen Einfluss (P < 0,01) auf das Urinmetabolom haben, diese Änderungen unabhängig voneinander waren, wie durch keine Wechselwirkung (P > 0,8) angezeigt.Allerdings war das Stadium und die Interaktion des Stadiums mit der ADG-Klassifikation signifikant (Abb. 1a).Die signifikanten Variablen, die mit einem bestimmten Faktor verbunden sind, wurden basierend auf den Diagrammen von Hebelwirkung/Quadratvorhersagefehler (SPE) identifiziert (Abb. 1b).Insgesamt 12 Metaboliten wurden durch die ADG-Klassifizierung stark verändert, 10 Metaboliten nach Stadium, einschließlich Gallensäuren, Steroiden und Fettsäuren (Abb. 1b, Ergänzungstabelle S3).ANOVA-simultane Komponentenanalyse (ASCA) für die ADG-Klassifikation, Stadium und Interaktion.(a) Modellvalidierungen durch Permutationen, wie durch Signifikanzniveaus von P < 0,01 gezeigt.(b) Hebelwirkung/SPE-Streudiagramme der ASCA-Variablen-Submodelle für ADG-Klassifizierung, Stadium und ihre Wechselwirkungen.Metaboliten in Rot haben hohe Beladungen, die den Expressionsmustern der Submodelle folgen.Metaboliten in Blau haben Expressionsmuster, die sich von den Hauptmustern unterscheiden.Unter Berücksichtigung der Zeit als unabhängige Variable wurde eine univariate Zweiweg-ANOVA-Analyse durchgeführt, um die Auswirkung der ADG-Klassifizierung für jede Phase, Zeit und ihre interaktiven Effekte zu definieren.Wie in Abb. 2a gezeigt, zeigten 59 Metaboliten einen signifikanten ADG-Klassifizierungs- / Stadieneffekt, 54 Metaboliten zeigten einen signifikanten Zeiteffekt und 4 Metaboliten zeigten einen signifikanten Interaktionseffekt für jeden Zeitpunkt, der sich durch die ADG-Klassifizierung unterscheidet (Ergänzungstabelle S4).Insgesamt 59 Metaboliten, die unterschiedlich zwischen kleinstem/größerem ADG exprimiert wurden, wurden im Laufe der Zeit konsistent exprimiert, so dass sie als geeignete Modellmetaboliten angesehen werden konnten, um den ADG-spezifischen Phänotyp widerzuspiegeln.Eine Heatmap (Abb. 3) wurde erstellt, um die metabolischen Veränderungen dieser identifizierten Metaboliten der ADG-Klassifizierung nach Stadium (FDR < 0,05) darzustellen.Die Pfadanreicherungsanalyse zeigte eine signifikante Anreicherung (P-Werte < 0,05, Ergänzungstabelle S5) mehrerer Pfade in der ADG-Klassifikation, einschließlich Steroidbiosynthese, primärer Gallensäurestoffwechsel, Biosynthese von ungesättigten Fettsäuren, Alpha-Linolensäurestoffwechsel, Vitamin B6-Stoffwechsel, Cystein- und Methioninstoffwechsel.Die Ergebnisse der zweifachen ANOVA-Analyse zeigen eine unterschiedliche Anzahl von Metaboliten, die einen signifikanten P-Wert (< 0,05) in Zeit (a), Rassetyp (b), ADG-Klassifizierung oder der Interaktion beider Variablen aufweisen.Eine Heatmap, die die 25 wichtigsten ANOVA-Stoffwechselveränderungen im größeren/niedrigsten ADG für Stufe 1 und Stufe 2 innerhalb von 6 Zeitpunkten darstellt, zeigt in Stufe 1 und Stufe 2. Dunkelblaue Quadrate zeigen eine Reduktion von bis zu sechs Falten an, helle Quadrate zeigt keine signifikante fache Änderung an, und ein rotes Quadrat zeigt eine Zunahme von bis zu 6-fach an.ALA Alpha-Linolensäure, DCA Desoxicholsäure, EPA Eicosapentaensäure, HCP Heptacarboxylporphyrin.Die Interaktive Hauptkomponentenanalyse (iPCA) stellt die ungezielte Metabolitentrennung nach ADG-Klassifikation und das Interaktionsergebnis mit Stadium und Rassetyp dar.(Abb. 4).Es gab 16 Metaboliten mit identifizierten Rassetypeffekten und 39 Metaboliten, die eine Interaktion des Rassetyps zeigten, die die ADG-Klassifizierung nach jeder Stufe in der zweiseitigen ANOVA differenzierte, die an Gallensäuren, Steroiden und Proteinstoffwechsel beteiligt war (Abb. 2b; Ergänzungstabelle S5). .Es gab keine identifizierten ungezielten Metaboliten in der MARC 3-Charolais-Kreuzung im Low-ADG-Phänotyp in beiden Stadien (Abb. 4c).Daher zeigte das Urin-Metabolom, dass MARC3-Charolais-Rinder geringere Mengen an 11-Oxo-Androsteronglucuronid, 5-Taurinomethyl-2-thiouridin, 5-Androsten-3b,16a,17a-trio, 12a-Hydroxy-3-oxocholadiensäure, und höhere Werte an Lebermetaboliten, einschließlich Cholesterylacetat, Bilirubinglucuronid und 24,25-Dihydroxyvitamin D3 als andere Rassen (ergänzende Abb. S2).Interaktive Hauptkomponentenanalyse (iPCA) von ungezielten Metaboliten ausgewählter Ochsen mit der Klassifikation Least-ADG vs. Greater-ADG (a) und Wechselwirkungen mit beiden Stadien (b) und dem Rassetyp (c).Als Ergebnis der ROC-Analyse der ungezielten Metaboliten wurden potenzielle Biomarker als Androsteronsulfat, 11-Hydroxyprogesteron-Glucuronid-Desoxycholsäure-Glycin-konjugiert und Taurochenodesoxycholat in Stufe 1 (AUC = 0,93, KI 0,83–0,99) identifiziert, während Dexocholsäure-Glycin-konjugiert , Progesteron und Taurochenodesoxycholat wurden im Stadium 2 identifiziert (AUC = 0,99, KI 0,96–1).Der Permutationstest in beiden Modellen war P <0,01 (ergänzende Abb. S3).Die meisten Gallensäure- (BA) und alle nachgewiesenen Steroidkonzentrationen wurden durch den Zeitpunkt der Probenahme beeinflusst (P < 0,05).Es wurde erneut festgestellt, dass die Stichprobenzeit signifikant und unabhängig mit ADG-Gruppen assoziiert ist (Ergänzungstabelle S7).Von den gesamten BAs im Urin war unkonjugiertes BA (%) in den Gruppen mit dem geringsten ADG höher als in den Gruppen mit größerem ADG im Stadium 1 und höher als bei beiden ADG-Phänotypen im Stadium 2 ( 5 ).Als Prozentsatz der insgesamt nachgewiesenen Steroide waren Glukokortikoide tendenziell niedriger (p = 0,10) und Geschlechtssteroide höher im geringsten ADG im Vergleich zu größerem ADG in Stufe 1, waren aber in Stufe 2 nicht unterschiedlich.Zusammensetzung der Steroide (a) und Gallensäuren im Urin (b) (%) für die ADG-Klassifizierung in Stufe 1 und Stufe 2.Die Ergebnisse werden als Mittelwerte ± SE aller Ochsen gezeigt, wobei die Ergebnisse der 6 Probenahmezeiten (n = 145) gemittelt werden.Glukokortikoide im Urin und Sexualsteroide (Testosteron + Progesteron) waren zwischen der ADG-Klassifikation in Stufe 1 tendenziell signifikant (p = 0,10), waren aber in Stufe 2 nicht signifikant.Die Zusammensetzung der Gallensäuren im Urin von unkonjugiertem, Taurin-konjugiertem und Glycin-konjugiertem war in Stufe 1 unterschiedlich (P < 0,05), unterschied sich jedoch nicht in Stufe 2.Es gab deutliche Assoziationen von BA und Steroiden mit Leistung und Schlachtkörperqualität über die ADG-Klassifizierung hinweg, je nach Stadium (Abb. 6).In beiden Stadien war das Futterverwertungsverhältnis (FCR; d. h. DMI/ADG) FCR positiv mit der Marmorierung (r > 0,34; P = 0,05) in den Least-ADG-Gruppen assoziiert, während FCR negativ mit der angepassten Fettdicke assoziiert war ( r > − 0,31; P = 0,05) in größeren ADG-Gruppen.In Stufe 2 war die Konzentration von unkonjugiertem BA mit der Marmorierung (r = 0,48; P < 0,01), der Ribeye-Fläche (r = 0,36; P < 0,01) und dem Schlachtkörpergewicht (r = 0,53; P < 0,001) assoziiert ) in der Greater-ADG-Gruppe, waren aber nicht in der Least-ADG-Gruppe assoziiert.Die Geschlechtssteroide (Summe der Konzentration von Testosteron und Progesteron) waren in beiden Stadien in den Least-ADG-Gruppen negativ (P < 0,01) mit den Schlachtkörpermerkmalen assoziiert.Glucocorticoide (Summe der Konzentrationen von Cortisol, Cortison und Corticosteron) waren unterschiedlich mit Marmorierung in Stufe 1 in der Least-ADG-Gruppe (r = − 0,45; P = 0,01) und Stufe 2 in der Greater-ADG-Gruppe (r = 0,01) assoziiert 0,34; P = 0,05).Pearson-Korrelationen (r) von Gallensäuren und Steroiden mit produktiven Merkmalen für die geringste (a) und größere (b) ADG-Klassifizierung in beiden Stadien.Eine Vorhersagegleichung für kleinste/größere ADG wurde unter Verwendung einer schrittweisen nominalen logistischen Regression unter Verwendung von logarithmisch transformierten Gallensäure- und Steroidkonzentrationen im Urin entwickelt (R2 = 0,61; P < 0,01; AUC = 0,97).Die Standardfehler der Schätzungen sind in der Zusatztabelle S8 aufgeführt.Die Cutoff-Werte von Gallensäuren und Steroiden zur Vorhersage des kleinsten/größeren ADG sind in der Ergänzungstabelle S9 aufgeführt.Die Genauigkeit der ADG-Vorhersage durch Gallensäuren und Steroide im Urin betrug 94 % (91,2 % für höheres ADG und 96,7 % für geringstes ADG).Die Verbesserung der Produktionseffizienz bei gleichzeitiger Gewinnung von Qualitätsfleisch ist ein zunehmendes landwirtschaftliches Bedürfnis vom Erzeuger bis zum Verbraucher.Herkömmliche Leistungsselektion bei Nutztieren stützt sich auf die Aufzeichnung der Futteraufnahme im Laufe der Zeit in teuren Spezialeinrichtungen, um effiziente Phänotypen zu identifizieren, die als mäßig vererbbar gelten15,16.In jüngerer Zeit hat sich die Tierzucht von der konventionellen zur Molekularzucht entwickelt17.Während die markergestützte Selektion mithilfe von Genomik zu einer zuverlässigen Mainstream-Praxis geworden ist, erklären die SNPs und GWAS die molekularen Grundlagen phänotypischer Variationen in komplexen Merkmalen nicht vollständig18.In dieser Studie haben wir die Metabolomik im Urin verwendet, um neue molekulare Biomarker und biochemische Signalwege zu identifizieren, die das Potenzial haben, die Rinderauswahl im Hinblick auf Futtereffizienz und Schlachtkörperqualität zu verbessern.Der ADG-Phänotyp-Ausdruck stellt eine der Metriken dar, um die Futtereffizienz zu bewerten.Die intertierische ADG-Variation ergibt sich aus der Interaktion vieler Stoffwechselprozesse, die wiederum durch den physiologischen Status und das Herdenmanagement beeinflusst werden19.In unserer Studie wurden extreme ADG-Phänotypen unabhängig von DMI in zwei verschiedenen Diäten bei wachsenden Tieren selektiert.Die Auswahlkriterien in beiden Stadien (Diäten) waren gleich.Ochsen, die in Stufe 1 für höhere ADG selektiert wurden, hatten höhere Ertragsgrade beim Schlachten.In Stufe 2 unterschieden sich die Schlachtkörpermerkmale zwischen ausgewählten ADG-Gruppen nicht, was wahrscheinlich auf eine Zunahme der Wachstumsrate der kleineren Tiere zurückzuführen ist, die durch energiereiche Diäten gefördert wurde20.Die Assoziation der Futtereffizienz mit Schlachtkörpermerkmalen wurde zuvor basierend auf der RFI-Selektion von Mastrindern mit hochkonzentrierter Ernährung bewertet21,22,23.Während die Ergebnisse bei verschiedenen Metriken für die Futtereffizienz unterschiedlich sein können;Die Selektion auf RFI führte zu leichten negativen Auswirkungen auf das Wachstum und eine Verringerung der Schlachtkörperqualität21 und andere beobachteten im Gegensatz dazu eine Verringerung des Anteils der viszeralen Organe, die den Energieverbrauch und damit den Proteinumsatz bei einem höheren Muskelanteil im Schlachtkörper beeinflussen22.Die Angaben in der wissenschaftlichen Literatur sind sicherlich unterschiedlich in Bezug auf Rasse, Geschlecht und physiologisches Reifestadium der eingesetzten Rinder.Dies unterstreicht die Relevanz des Verständnisses der biologischen Grundlage von Tiermerkmalen, um nachhaltige Fortschritte bei der Selektion auf Futtereffizienz und ihre Auswirkungen auf die Schlachtkörpermerkmale von Fleischrindern besser definieren zu können.In unserer Studie wurde ein charakteristischer Urin-Stoffwechsel-Fingerabdruck der ADG-Phänotyp-Gruppen unter Verwendung von nicht zielgerichteter Metabolomik und multivariater Analyse identifiziert, was auf metabolische Unterschiede zwischen der ADG-Phänotyp-Selektion hinweist, ähnlich wie frühere Ergebnisse in der Metabolomik-Analyse in Pansen13 und multiplen Geweben in Rindfleisch. Rinder14.Diese früheren Unterschiede waren am Metabolismus von Alpha-Linolensäure, ungesättigten Fettsäuren, Glycerophospholipiden, Taurin und Hypotaurin, Kreatinin, Cystein und Methionin sowie Gallensäuren und Steroiden beteiligt, die alle mit den hier charakterisierten Urinfaktoren gemeinsam waren.Wir identifizierten zum ersten Mal metabolomische Unterschiede in Bezug auf die Probenahmezeit, die Ernährung und den Rassetyp, aber nur die Ernährung und der Rassetyp waren beide mit ADG-Metabolomunterschieden verbunden.Der Rassetyp hatte bei fast der Hälfte der für ausgewählte ADG-Gruppen identifizierten ungezielten Metaboliten eine Wirkung, und nur das MARC-3xCharolais-Metabolom war in beiden Stadien nicht im geringsten ADG.Frühere Metabolomik-Studien berichteten über unterschiedliche molekulare Mechanismen von Rassen zur Anpassung an die Umwelt9 und die Ernährung24 sowie über einen Zusammenhang zwischen Fütterungssystem und Rasse und der Fettsäurenzusammensetzung in Rindermuskeln25.Die Selektion auf ADG- und Schlachtkörperqualität ist ein komplexes Merkmal metabolischer Diversität, das verschiedenen Geweben und Bioflüssigkeiten gemeinsam ist, und einige dieser Stoffwechselmechanismen können sich je nach Rasse und Umgebung auszeichnen.Unter Verwendung von Biomarkeranalysen identifizierten wir eine kleine Anzahl von ungezielten BA- und Steroidmetaboliten im Urin mit ausgezeichneter Sensitivität und Spezifität für die ADG-Klassifizierung, die für jede Diät charakteristisch ist.Dann wurde eine Vorhersagegleichung für ADG (am wenigsten/mehr) – unabhängig von Ernährung und Zeit der Probenahme – mit einer Genauigkeit von > 90 % unter Verwendung von Gallensäure- und Steroidkonzentrationen im Urin entwickelt, die durch schrittweise Analyse ausgewählt wurden.Ein potenzielles Screening-Tool zur Futtereffizienz, das nach dem Absetzen eingesetzt werden könnte.Dennoch erfordert dieser Algorithmus weitere Validierungen, einschließlich einer größeren Kohorte von Tieren, um die Genauigkeit der vorgeschlagenen Grenzwerte zu gewährleisten.Urinsteroide und BA sind von Cholesterin abgeleitete Metaboliten, die an der Regulation verschiedener biologischer Stoffwechselwege beteiligt sind, hauptsächlich an der metabolischen Homöostase und Aufrechterhaltung26.Die Gesamt-BA-Konzentration wird traditionell als klinischer Index der Leberpathologie bei Rindern verwendet27, obwohl der Fortschritt der aktuellen Quantifizierungstechniken von BA und Steroidprofilierung es möglich macht, ihre Rolle bei der Ernährungsintervention28, der Zucht29 und den Stoffwechselfunktionen30 aufzuklären.Hier wurden insgesamt 18 BAs und 5 Steroide im Rinderurin nachgewiesen, wobei konjugierte BAs in beiden Diäten positiv mit Sexualsteroiden und Glucocorticoiden assoziiert waren.Zuvor wurde gezeigt, dass ähnliche Assoziationen zwischen Gallensäure und Glucocorticoidkonzentration im Urin mit dem Cholesterinspiegel in der Nahrung bei monogastrischen (Menschen) zusammenhängen31.Bei Wiederkäuern wird Cholesterin ausschließlich durch hepatische De-novo-Synthese32 gewonnen, was mit der Effizienz von Rindern durch Verringerung sowohl der Genexpression der hepatischen Lipidsynthese33 als auch letztendlich der Cholesterinkonzentrationen14,34,35 verbunden ist.In unseren Ergebnissen war die Konzentration von konjugiertem BA im Urin bei einer Konzentrat-Diät höher, während Unterschiede zwischen ADG-Gruppen bei konjugiertem BA nur bei einer Futter-basierten Diät beobachtet wurden.In kornreichen Diäten wurde konjugiertes BA durch charakteristische Veränderungen der mikrobiellen Population im Dünndarm von Angus-Rindern erhöht28.Unterschiede in den Konzentrationen von konjugiertem BA im Urin in Bezug auf die Leistungsfähigkeit der Rinder können die hepatische Kapazität von Cholesterinsynthese, -transport und -oxidation widerspiegeln, die wiederum von der Ernährung abhängt.Eine erhöhte konjugierte BA löst darüber hinaus metabolische Aktivitäten von Mikroben (z. B. Glycerophospholipide) im unteren Gastrointestinaltrakt von Rindern aus und gilt als eine der Verbindungen zu erhöhten ungesunden Fettsäuren in Rindfleisch, die aus einer Ernährung mit hohem Maisanteil resultieren28.Somit kann der Zusammenhang zwischen BA-Konzentrationen im Urin und Schlachtkörperqualität Unterschiede in der Nährstoffaufnahme im Dünndarm und/oder Veränderungen im Darmmikrobiom widerspiegeln.Die endogene Konzentration von Sexualsteroiden und Glukokortikoiden wurde zuvor als nützliches Instrument zur Vorhersage der Qualität von Rinderschlachtkörpern vorgeschlagen36,37.Körpereigene Sexualhormone zeigen anabole Wirkungen.Beispielsweise reguliert Testosteron die Körperzusammensetzung, indem es die Skelettmuskelmasse erhöht und gleichzeitig die Fettmasse verringert38.Ähnlich wie bei unseren Ergebnissen war die Magerkeit des Schlachtkörpers bei wachsenden Rinderbullen mit Testosteron assoziiert36,39.Die Beziehung zwischen der Testosteronkonzentration und der Leistung von Rindern innerhalb derselben Tierkategorie wurde nicht ausführlich berichtet.Bei zwanzig „Red Danish“-Bullen war Plasmatestosteron, das 3-mal im Alter von 4 bis 10 Monaten gemessen wurde, nicht mit der Zuwachsrate oder dem linearen Wachstum verbunden40.Dennoch waren die Glukokortikoidkonzentrationen in unseren Ergebnissen sowohl mit der Produktionsleistung als auch mit der Schlachtkörperqualität verbunden, und die Richtung ihrer Korrelation hing von der ADG-Gruppe und der Ernährung ab.Plasma-Cortisol und fäkales Corticosteron, die zuvor bei Rindern mit einer maisreichen Ernährung während der Endmast gemessen wurden, waren zwischen den Studien widersprüchliche Indikatoren für Produktionsmerkmale41,42,43.Glukokortikoide sind Steroide, die von der Nebennierenrinde produziert werden und eine Schlüsselrolle bei der Energiehomöostase durch periphere Gewebe, einschließlich der Skelettmuskulatur, spielen44.Physiologisch hat die Konzentration von endogenen Glukokortikoiden große stimulierende Wirkungen auf die Nahrungsaufnahme und den Energiehaushalt und ist in monogastrischen Modellen gut verstanden45, die ein wichtiger adaptiver Regulationsmechanismus für Phänotyp und Umwelt sind.Basierend auf unseren Daten bietet die Urin-Metabolomik-Analyse metabolische Phänotypen, die sowohl quantitative als auch hochgradig zielgerichtete Biomarker für futtereffiziente Tiere für das Wachstum bei Futter- und Kraftfutter-basierten Diäten sind.Die nicht-invasive, kostengünstige und minimale Trainingszeit der Urinprobe im Vergleich zu anderen Bioflüssigkeiten macht sie zu einem besonders attraktiven Screening-Tool für Leistung und Schlachtkörperqualität, das potenziell in Zuchtprogramme aufgenommen werden könnte, um Phänotypen zu verfeinern und die Genauigkeit von wirtschaftlich wichtigen Vorhersagen zu verbessern Züge.Obwohl Hochdurchsatz-Metabolomik-Ansätze für die Entdeckung von Biomarkern auf molekularer Ebene verfügbar sind, bleiben Herausforderungen bestehen, diese Technologien als erschwingliche Analysetechniken in Verbindung mit transparentem und übertragbarem Data Mining in landwirtschaftliche Programme umzusetzen.Die Zielanalyse von Gallensäure- und Steroidkonzentrationen im Urin kann ein potenzielles Screening-Tool darstellen, das in Zuchtprogrammen implementiert werden kann.Die Forschungsprotokolle wurden vom USDA, ARS, US Meat Animal Research Center Institutional and Animal Care Committee gemäß dem Guide for the Care and Use of Agricultural Animals in Agricultural Research and Teaching (2010) genehmigt und überwacht.Alle Autoren haben die ARRIVE-Richtlinien eingehalten.Die in diesem Experiment verwendeten Kälber (n = 75) waren die Stiernachkommen von Red Angus-, Charolais- und Simmentaler-Vererbern, die durch künstliche Befruchtung auf vier Mutterrassen gezüchtet wurden: MARC II Composite (¼ Hereford, ¼ Angus, ¼ Gelbvieh, ¼ Simmental), MARC III Composite (¼ Hereford, ¼ Angus, ¼ Pinzgauer, ¼ Red Poll), ½ MARC II X ½ MARC III und ½ MARC II X (¼ Red Angus X ¼ Angus).Nach dem Absetzen erhielten die Ochsen ein Implantat mit 80 mg Trenbolonacetat und 16 mg Östradiol (Revalor-IS; Merck) und wurden in einer Einrichtung mit elektronischen Kopfklappen von Calan Broadbent (American Calan, Inc., Northwood, NH) untergebracht, um sie einzeln zu messen Futteraufnahme.Ochsen wurden während einer Anpassungsphase (ca. 21 Tage) in der Verwendung von Calan Headgates geschult.Zu Beginn der Studie (0 Tag) betrugen das mittlere Alter und Gewicht der Studienpopulation der Rinder (± Standardabweichung) 271,4 ± 5,0 Tage bzw. 301,7 ± 31,9 kg.Die Nahrung bestand aus 30,0 % gehäckselter Luzerne, 69,8 % Maissilage und 0,2 % Salz auf TS-Basis.Die Futteraufnahme wurde 84 Tage lang bei Rindern gemessen, die am Tag 0, 1, 21, 42, 63, 83 und 84 des Versuchs gewogen wurden.Das täglich angebotene Futter wurde aufgezeichnet und wöchentlich der Ort bestimmt.Eine Urinprobe wurde am Tag 0, 42 und 83 während der geplanten Wiegedaten gesammelt.Nach Abschluss von Stufe 1 wurden die Ochsen über einen Zeitraum von 21 Tagen auf eine Ration auf Kraftfutterbasis umgestellt und blieben für den Rest von Stufe 2 bei dieser Ernährung. gerollter Mais, 20,00 % Nassdestilliergetreide mit löslichen Bestandteilen und 4,25 % Vitamin-/Mineralstoffzusatz mit Rumensin (Elanco, Greenfild, IN).Zweiundvierzig Tage nach Stufe 1 erhielten die Ochsen ein Implantat mit 120 mg Trenbolonacetat und 24 mg Estradiol (Revalor-S, Merck Animal Health, Madison, NJ), und es wurden 84 Tage lang Daten zur Futteraufnahme und Körpergewichtszunahme gesammelt.Körpergewichtsmessungen wurden an 0, 1, 21, 42, 63, 83 und 84 Tagen der Studie durchgeführt.Die täglich angebotenen Futtermittel wurden aufgezeichnet und wöchentlich die Orte bestimmt.Zu Beginn des Stadiums 2 (0 Tag) betrugen das mittlere Alter und Gewicht der Rinder (± Standardabweichung) 397,3 ± 5,0 Tage bzw. 448,6 ± 41,8 kg.Eine Urinprobe wurde am Tag 0, 42 und 83 während der geplanten Wiegedaten gesammelt.An den Tagen 0, 42 und 83 wurden für jede Stufe 1/2 Urinproben (~ 50 ml) durch präputiale Stimulation gesammelt und sofort 10 Minuten lang bei 10.000 g zentrifugiert, um Partikel zu entfernen (4 °C), bevor sie bei – 80 °C gelagert wurden .Bei 23 % (n = 19) der ausgewählten Ochsen in Stufe 1 und 11 % (n = 9) der ausgewählten Ochsen in Stufe 2 konnte durch Stimulation keine Urinprobe gesammelt werden.Die Ochsen wurden gemäß den Unterschieden im ADG in jedem Stadium mit denjenigen mit dem größten und dem geringsten ADG ausgewählt, deren Trockenmasseaufnahme innerhalb von 0,32 SD der mittleren Aufnahme lag (Fig. 7).Nach dem Ende der Aufnahmestudie (Stufe 2) erhielten ausgewählte Ochsen in beiden Stufen die gleiche Ration ad libitum und blieben bis zur Schlachtung (5–8 Tage) in einem Schlachthof in derselben Bucht.Schlachtkörperdaten wurden unter Verwendung der VBG2000-Kamera zur Klassifizierung von Rinderschlachtkörpern (Vision For You, LLC, Dakota Dunes, SD) gesammelt.Auswahl der Urinprobe.Die Tiergruppen wurden nach der größten durchschnittlichen Tageszunahme (größer-ADG; graues Quadrat; n = 7) und den wenigsten ADG-Ochsen (geringste ADG; graues Dreieck; n = 5) mit ähnlicher durchschnittlicher Trockenmasseaufnahme im Stadium ausgewählt -1 (schwarze Kreise) und die größte durchschnittliche Tageszunahme (größerer ADG; weißes Quadrat; n = 8) und die geringsten ADG-Ochsen (geringster ADG; weißes Dreieck; n = 8) mit ähnlicher durchschnittlicher Trockenmasseaufnahme in Stufe 2 (schwarze Rauten) aus der Gesamtpopulation (n = 75) ausgewertet.Ochsen, die in Stufe 1 als größere oder kleinste ADG klassifiziert wurden, waren nicht die gleichen Ochsen, die in Stufe 2 klassifiziert wurden.Alle Urinprobenentnahmen und LC-MS-Analysen wurden über die Zeit der Probenahme randomisiert, um Batch-Effekte zu vermeiden.Doppelte Proben jedes Urins wurden für die Metabolomik-Analyse innerhalb von Chargen entnommen.Sowohl Extraktions- als auch Chromatographielösungsmittel waren UPLC-MS Optima Grade (Fisher Chemical Ltd., Waltham, MA).Die Probenvorbereitung wurde von früheren Berichten übernommen46.Kurz gesagt, 50-µl-Urin-Aliquots wurden mit 150 µl Wasser verdünnt, gevortext und bei 16.000 × g für 10 min bei 4 °C zentrifugiert.Der Überstand wurde bei 0,22 &mgr;m durch Zentrifugation in Spin-X LC (Fisher Chemical Ltd., Waltham, MA) Membranröhrchenfilter (5000 × g für 5 min bei 4°C) filtriert, bevor er in LC-Röhrchen überführt wurde.Die UPLC/MS-Analyse wurde unter Verwendung eines Waters ACQUITY Ultra-Performance-Flüssigkeitschromatographie(UPLC)-Systems (Waters Corporation, Milford, MA) durchgeführt, das mit einem Autosampler ausgestattet und mit einer Hybrid-Triple-Quadrupol-Flugzeit-Massenspektrometrie (XEVO) gekoppelt war -G2-S-qTOF; Waters).Die Gerätekalibrierung wurde durchgeführt, bevor die Proben unter Verwendung von 0,5 nM Natriumformiat verarbeitet wurden.Um Informationen über die Eignung und Stabilität des Systems zu erhalten, wurden Qualitätskontrollproben (QC) während des gesamten Analyselaufs in regelmäßigen Abständen (alle zehn Proben) injiziert.Qualitätskontrollproben wurden durch Mischen von ca. 100 Urinaliquoten (10 µl) hergestellt, wodurch separate QC-Proben hergestellt wurden.Für Analysen wurden Proben bei 4 °C gehalten und Analyten in 10 µl Urinextrakten wurden auf einer 2,1 × 50 mm × 1,7 µm Acquity UPLC BEH C18-Säule (Waters Corp.) getrennt, die bei 40 °C mit 0,4 ml/min gehalten wurde Fluss von 0,1 % Ameisensäure in Wasser (Laufmittel A) und 0,1 % Ameisensäure in Acetonitril (Laufmittel B) mit folgendem Gradienten: 99 % A von 0 bis 2 min;85 % A bei 4 min;50 % A bei 8 min;5 % A bei 12 min;99 % A für 16 min, gefolgt von 2 min Reäquilibrierung.Alle Gradientenrampen waren linear.Massenspektrometrie wurde sowohl im positiven als auch im negativen Modus durchgeführt.Die Kapillarspannung betrug 3,2 kV bzw. 2,4 kV für den positiven bzw. negativen Modus.Die Systemparameter wurden wie folgt eingestellt: Temperaturquelle 120°C, Desolvationstemperatur 350°C und Konusgasfluss (Stickstoff) 25 L/h und Desolvationsgasfluss (Stickstoff) 900 L/h.Die Daten wurden in einem Schwerpunktmodus unter Verwendung des Locksprays gesammelt, um Genauigkeit und Reproduzierbarkeit sicherzustellen.Leucin-Enkephalin wurde als Lockmasse in einer Lösung mit einer Konzentration von 2 ng/ml verwendet.Die Lockspray-Frequenz wurde auf 15 s eingestellt, und die Lockmassendaten wurden zur Korrektur über 15 Scans gemittelt.Der Scan-Massenbereich reichte von 50 bis 1200 m/z unter Verwendung eines erweiterten dynamischen Bereichs.Die MS/MS-Analyse wurde durch Erhöhen der Kollisionsenergie von 10 auf 50 V unter Verwendung von Argon als Kollisionsgas durchgeführt.Rohdaten, die aus der UPLC-qTOF-Analyse erhalten wurden, wurden unter Verwendung der Software Progenesis QI v1.0 (Waters Corp.) analysiert.Die Daten wurden unter Verwendung der Gesamtionenintensität ausgerichtet, entfaltet und normalisiert.Zwischen den Proben wurden Lösungsmittelblindproben durchgeführt, und jede Masse wurde mit der Blindprobe verglichen, um mögliche Kontaminationsquellen auszuschließen.Der Variationskoeffizient (VK) der Massenhäufigkeit für alle biologischen Wiederholungen wurde über gepoolte wiederholte Proben für jedes Merkmal berechnet, und diejenigen mit einem VK über einem Grenzwert von 20 % wurden entfernt.Metaboliten wurden durch Vergleich mit der Online-Bovine Metabolome Database (http://www.cowmetdb.ca/) unter Verwendung exakter m/z-Werte und Retentionszeiten identifiziert.Die Identitäten ausgewählter Metaboliten wurden durch MS/MS-Fragmentionenanalyse unter Verwendung der Mass-Fragment-Anwendungsmanagersoftware (Water MassLynk v4.1, Waters Corp.) bestätigt.Die MS/MS-Fragmentierung der Moleküle wurde mit der ChemSpider-Datenbank (www.chemspider.com) mittels chemisch intelligenter Peak-Matching-Algorithmen verglichen.Endogene Steroide und Gallensäuren im Urin wurden mithilfe von Isotopenanreicherung und authentischen Kalibrierungsstandards quantifiziert, die durch LC-MS/MS mit Elektrospray-Ionisation und multipler Reaktionsüberwachung (MRM) auf einem API 6500QTRAP (Sciex, Framingham, MA, USA) nachgewiesen wurden, wie zuvor für Plasma berichtet47 .Agrar.Syst.J. Anim.Wissenschaft.Wissenschaft.Dürfen.J. Anim.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.J. Agric.Lebensmittelchem.J. Anim.Wissenschaft.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.Vorderseite.Genet.J. Anim.Wissenschaft.J. Anim.Wissenschaft.Agrar.Umgebung.J. Anim.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.Biotechnologie.Yang, Y. et al.Wissenschaft.Intern.Med.Animation.Tierarzt.Med.Wissenschaft.Biochem.Mol.biol.J. Lipid-Res.Wissenschaft.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.J. Anim.Wissenschaft.Wissenschaft.J. Anim.Wissenschaft.Vorderseite.Physiol.Nat.ProtokollAnal.Chim.akt.ProtokollNat.ProtokollAlle Autoren haben die veröffentlichte Version des Manuskripts gelesen und sind damit einverstanden.Die Autoren erklären keine konkurrierenden Interessen.Springer Nature bleibt neutral in Bezug auf Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:Leider ist für diesen Artikel derzeit kein teilbarer Link verfügbar.Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt