MétaCan
Menu
Retour à la cohorte
Enregistrement W2003100591 · doi:10.1111/j.1750-3841.2010.01658.x

Methylglyoxal Content in Drinking Coffee as a Cytotoxic Factor

2010· article· en· W2003100591 sur OpenAlexaff
J. Wang, Tuanjie Chang

Notice bibliographique

RevueJournal of Food Science · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Glycation End Products research
Établissements canadiensUniversity of SaskatchewanSaskatchewan Health Authority
Organismes subventionnairesnon disponible
Mots-clésMethylglyoxalSugarFood scienceChemistryRoastingBiochemistry

Résumé

récupéré en direct d'OpenAlex

A causal relationship between metabolic syndrome and methylglyoxal (MG) has been suggested. Consumption of coffee and other types of beverages has been known to produce MG, thus resulting in both nutritional and health concerns. The purpose of this study was to determine the ideal combination of coffee, cream, and sugar in order to minimize MG consumption. Four types of black coffee were tested: espresso, bold, mild, and a decaffeinated mild roast. Sugar and/or cream were added to the coffee samples to test whether MG levels were altered. Using high-performance liquid chromatography, the concentration of MG in various coffee samples was determined. The espresso coffee sample was found to contain the highest level of MG at 230.9 microM. The bold coffee roast had the 2nd highest amount of MG, followed by the mild and decaffeinated varieties. Adding cream to bold coffee significantly reduced its MG level in comparison to the coffee sample without cream. On the other hand, the addition of sugar to the bold coffee did not further increase the MG level in the samples. The cellular damaging effect of MG was shown as there were decreased numbers of cultured HEK-293 cells after 24 h of MG treatment (100 and 300 microM), which is consistent with an increased cell apoptosis induced by MG treatment (100 and 300 microM). Due to the overconsumption of exogenous MG, drinking an excess of any type of coffee poses health risks.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,014
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,346
Écart entre enseignants0,301 · 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 tête enseignante, 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

Citations44
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetAdvanced Glycation End Products researchTravaux en français237 207