<i>In vitro</i> anti‐inflammatory properties of fermented pepino (<i>Solanum muricatum</i>) milk by <i>γ</i>‐aminobutyric acid‐producing <i>Lactobacillus brevis</i> and an <i>in vivo</i> animal model for evaluating its effects on hypertension
Notice bibliographique
Résumé
BACKGROUND: The objectives of this study were to determine the in vitro anti-inflammatory and in vivo antihypertensive effects of fermented pepino (Solanum muricatum) milk by Lactobacillus brevis with the goal of developing functional healthy products. The inflammatory factors of fermented pepino milk with L. brevis were assessed in RAW 264.7 macrophages, including nitric oxide (NO) production. Inflammatory factor genes of cyclooxygenase (COX)-1 and -2, and tumor necrosis factor (TNF)-α were also assayed by a reverse transcription-polymerase chain reaction (RT-PCR). RESULTS: Results showed that fermented PE inhibited NO production in lipopolysaccharide (LPS)-stimulated RAW 264.7 cells with 150 mg mL(-1) fermented PE completely blocking LPS-induced NO production. The mRNA expressions of COX-1, COX-2, and iNOS were attenuated by treatment with higher concentrations of fermented PE (150 mg/ml). Cells treated with fermented pepino extract (PE) (100 ng mL(-1)) exhibited strikingly decreased LPS-induced expression of TNF-α mRNA. During the feeding trial, rats treated with 10% fermented pepino milk (100 µg 2.5 mL(-1)) and 100% fermented pepino milk (1000 µg 2.5 mL(-1)) exhibited significant decreases in the systolic blood pressure. CONCLUSION: Our results showed that fermented pepino milk has wide potential applications for development as a health food.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».