Lean‐seafood intake decreases urinary markers of mitochondrial lipid and energy metabolism in healthy subjects: Metabolomics results from a randomized crossover intervention study
Notice bibliographique
Résumé
SCOPE: Proteins constitute an important part of the human diet, but understanding of the effects of different dietary protein sources on human metabolism is sparse. We aimed to elucidate diet-induced metabolic changes through untargeted urinary metabolomics after four weeks of intervention with lean-seafood or nonseafood diets. It is shown that lean-seafood intake reduces urinary excretion of metabolites involved in mitochondrial lipid and energy metabolism possibly facilitating a higher lipid catabolism in healthy subjects. METHODS: In a randomized controlled trial with crossover design, 20 healthy subjects consumed two balanced diets that varied in main protein sources for 4 weeks. Morning spot urine samples were collected before and after each intervention period. Untargeted metabolomics based on (1) H NMR spectroscopy and LC-MS analyses were applied to characterize the urinary metabolic response to the interventions. RESULTS: The lean-seafood diet period reduced the urinary level of l-carnitine, 2,6-dimethylheptanoylcarnitine, and N-methyl-2-pyridone-5-carboxamide, relative to the nonseafood period. The dietary analysis revealed that the higher urinary level of trimethylamine-N-oxide after the lean-seafood diet period and guanidinoacetate and 3-methylhistidine after the nonseafood diet period was related to the endogenous content of these compounds in the diets. CONCLUSIONS: Our data reveal that 4 weeks of lean-seafood intake reduces urinary excretion of metabolites involved in mitochondrial lipid and energy metabolism possibly facilitating a higher lipid catabolism in healthy subjects after the lean-seafood intake.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».