MétaCan
Menu
Retour à la cohorte
Enregistrement W2015159545 · doi:10.4141/cjps08125

Glucosinolates in crucifers and their potential effects against cancer: Review

2009· article· en· W2015159545 sur OpenAlexvenueno aff
Gölge Sarıkamış

Notice bibliographique

RevueCanadian Journal of Plant Science · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics, phytochemicals, and oxidative stress
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCruciferous vegetablesGlucosinolateSulforaphaneBrassicaCruciferBrassicaceaeBiologyCancerHealth benefitsIsothiocyanateMechanism (biology)MyrosinaseBiotechnologyAgronomyMedicineCancer researchBotanyTraditional medicineBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

There is growing interest in the health-promoting properties of cruciferous plant species, and people are urged to incorporate these plants into their diet to fight cancer. Cruciferous vegetables contain glucosinolates, the precursors of isothiocyanates, widely believed to protect humans against several forms of cancer. Iberin (1-isothiocyanato-3-methylsulphinylpropane) and sulforaphane (1-isothiocyanato-4-methylsulphinylbutane) are two isothiocyanates most abundant in broccoli that have been reported to protect against prostate, lung, breast and colon cancers. The aim of this review is to provide updated information on the importance of glucosinolates and their breakdown products (isothiocyanates) in delivering potential health benefits, and to describe the mechanism by which they act to provide these beneficial effects. Factors influencing the glucosinolate content of cruciferous vegetables, both from genetic and horticultural points of view, for future efforts to manipulate glucosinolate content of these vegetables are described. Finally, a brief summary of recent developments concerning crucifer intake and cancer prevention is provided.Key words: Brassica, crucifers, glucosinolates

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations25
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetGenomics, phytochemicals, and oxidative stressTravaux en français237 207