Nutritional Genomic: A Multi-Directional Approach to Address Complex Diseases with Multi-Functional Nutrition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nutritional genomics describes the biological interactions between genes and diet, their effects on the metabolism, and susceptibility to develop diseases. This approach covers both nutrigenomics that explores the effects of nutrients on the genome; and nutrigenetics that explores the effects of genetic polymorphisms on diet/disease interactions. These interactions vary because individuals have unique combinations of common genetic polymorphisms that are differentially affected by diet. Diseases causality is associated to certain genetic polymorphisms providing predictive biomarkers for diagnostic accuracy. Specific nutrient can modify the expression of genes through the interaction with receptors that activate the transcription of target genes and affect signal pathways. Nutritional genomics is aimed to prevent onset of diseases and maintain human health, identify individuals who are responders and can benefit from specific dietary interventions, and identify how genetic variation affects human nutritional requirements. Nutritional genomics has many potential therapeutic and preventive applications: in individuals with a genetic predisposition to complex diseases including cancer, diabetes and cardiovascular disorders; in those already suffering from these diseases; and in those with memory impairment during aging. This review describes nutritional facts linked to genomic aspects to manage multigenic diseases. It presents some notable example of nutrients with proven modulating gene activity, and the role of nutrition associated with nutritional genomics. Hereafter we briefly review the health-promoting properties of two well-known edible plants, i.e. dandelion and artichoke whose presence in the diet could simultaneously exert positive influence on molecular genomic mechanisms related to risk factors for chronic diseases.
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.
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 | 0,000 | 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 | 0,001 | 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 découle