The effect of linoleic acid on the whole body synthesis rates of polyunsaturated fatty acids from α-linolenic acid and linoleic acid in free-living rats
Notice bibliographique
Résumé
Docosahexaenoic acid (DHA) is thought to be important for brain function. The main dietary source of DHA is fish, however, DHA can also be synthesized from precursor omega-3 polyunsaturated fatty acids (n-3 PUFA), the most abundantly consumed being α-linolenic acid (ALA). The enzymes required to synthesize DHA from ALA are also used to synthesize longer chain omega-6 (n-6) PUFA from linoleic acid (LNA). The large increase in LNA consumption that has occurred over the last century has led to concern that LNA and other n-6 PUFA outcompete n-3 PUFA for enzymes involved in DHA synthesis, and therefore, decrease overall DHA synthesis. To assess this, rats were fed diets containing LNA at 53 (high LNA diet), 11 (medium LNA diet) or 1.5% (low LNA diet) of the fatty acids with ALA being constant across all diets (approximately 4% of the fatty acids). Rats were maintained on these diets from weaning for 8 weeks, at which point they were subjected to a steady-state infusion of labeled ALA and LNA to measure DHA and arachidonic acid (ARA) synthesis rates. DHA and ARA synthesis rates were generally highest in rats fed the medium and high LNA diets, while the plasma half-life of DHA was longer in rats fed the low LNA diet. Therefore, increasing dietary LNA, in rats, did not impair DHA synthesis; however, low dietary LNA led to a decrease in DHA synthesis with tissue concentrations of DHA possibly being maintained by a longer DHA half-life.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».