Pomegranate Juice Improves Iron Status and Ameliorates Iron Deficiency Induced Cellular Changes in Saccharomyces cerevisiae
Notice bibliographique
Résumé
Background: Iron Deficiency Anemia (IDA) is most prevalent form of anemia affecting around 2 billion people world-wide. Ayurveda, an Indian system of medicine, describes pomegranate (Punica granatum) fruits as a Rasayana and a dietary supplement for managing a condition called Pandu, which is akin to IDA. Rasayanas are methods to maintain homeostasis by improving digestion, metabolism and absorption of nutrients and elimination of waste. Yeast (Saccharomyces cerevisiae) has been a well-accepted model organism to study iron metabolism. Materials & Methods: In the current study we developed ‘anemic yeast’ by culturing yeast cells in iron-free medium with bathophenanthroline disulfonate (BPS). The effect of pomegranate juice (PJ) on reversing the ‘IDA like’ condition in yeast was studied. Results: Culturing iron deficient (ID) cells in the presence of 10% PJ supplemented medium (IDP), improved iron status by at least 7 fold (p<0.0001) and reversed mitochondrial degeneration induced by iron deficiency. Percentage of healthy reticulate mitochondria in IDP cells was >30% higher (p<0.0001) than that in the ID cells grown in iron deficient medium (IDD) and at least 14% more than that in ID cells grown in 10% PJ-equivalent iron substituted media. Interestingly, PJ substitution improved the functional ferrous (Fe2+) form as well as the bio-assimilated heme form of iron, but not the ferric (Fe3+) storage form in ID cells. Conclusion: Yeast model can be useful as a quick screen to identify potential nutritional supplements. Pomegranate’s potential role as a nutritional supplement in IDA management and as a hematinic is worthy of further research
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».