MétaCan
Menu
Retour à la cohorte
Enregistrement W1966184664 · doi:10.1021/jf0711901

Effect of Selenium- and Glutathione-Enriched Yeast Supplementation on a Combined Atherosclerosis and Diabetes Hamster Model

2007· article· en· W1966184664 sur OpenAlexaff
Gabriel A. Agbor, Joe A. Vinson, Kunal Patel, Jenyne Scarpati, Drew Shiner, Forbes Wardrop, Thomas A. Tompkins

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2007
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensLallemand (Canada)
Organismes subventionnairesnon disponible
Mots-clésGlutathioneGlutathione peroxidaseSeleniumAntioxidantYeastTriglycerideChemistryHamsterGPX4BiochemistryGPX3Diabetes mellitusGlutathione disulfideInternal medicineCholesterolEndocrinologyBiologyMedicineEnzyme

Résumé

récupéré en direct d'OpenAlex

Selenium has a central role in antioxidant pathways as a cofactor to glutathione peroxidase. The present study evaluated the effects of four different preparations of inactivated yeast containing various concentrations of selenium and glutathione on a combined atherosclerosis and diabetes hamster model. The hamsters were supplemented with the yeast products for three months. The enriched yeast with the highest selenium and glutathione levels reduced the weight loss induced by diabetes, inhibited an increase in plasma cholesterol and triglyceride caused by a high-cholesterol and high-fat diet, increased the time taken for oxidation of lower density lipoproteins (lag time), and inhibited the formation of atherosclerosis better than low selenium/glutathione yeast supplementation. It was concluded that the yeast prepared to provide high selenium and high glutathione was the best for effecting beneficial changes in glutathione, cholesterol, atherosclerosis, and for demonstrating an antioxidant effect. The high selenium and low glutathione yeast was the best for improving selenium and glucose levels.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetSelenium in Biological SystemsTravaux en français237 207