Modulation of Strawberry/Cranberry Phenolic Compounds Glucuronidation by Co-Supplementation with Onion: Characterization of Phenolic Metabolites in Rat Plasma Using an Optimized μSPE–UHPLC-MS/MS Method
Notice bibliographique
Résumé
Plant phenolic compounds are suggested to exert pharmacological activities in regards to obesity and type-2 diabetes, but their mode of action is poorly understood due to a lack of information about their bioavailability. This work aimed to study the bioavailability of GlucoPhenol phenolic compounds, a strawberry-cranberry extracts blend, by characterizing plasma phenolic profile in obese rats. A comparison was performed by co-supplementation with an onion extract. Using an optimized μSPE-UHPLC-MS/MS method, 21 phenolic metabolites were characterized, mostly conjugated metabolites and microbial degradation products of the native phenolic compounds. Their kinetic profiles revealed either an intestinal or hepatic formation. Among identified metabolites, isorhamnetin glucuronide sulfate was found in greater amount in plasma. Three glucuronidated conjugates of strawberry-cranberry phenolic compounds, p-hydroxybenzoic acid glucuronide, catechins glucuronide, and methyl catechins glucuronide were found in higher quantities when GlucoPhenol was ingested together with onion extract (+252%, +279%, and +118% respectively), suggesting a possible induction of glucuronidation processes by quercetin. This work allowed the characterization of actual phenolic metabolites generated in vivo following a phenolic intake, the analysis of their kinetics and suggested a possible synergistic activity of phenolic compounds for improving bioavailability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».