A review of the associations between single nucleotide polymorphisms in taste receptors, eating behaviors, and health
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
Food preferences and dietary habits are heavily influenced by taste perception. There is growing interest in characterizing taste preferences based on genetic variation. Genetic differences in the ability to perceive key tastes may impact eating behavior and nutritional intake. Therefore, increased understanding of taste biology and genetics may lead to new personalized strategies, which may prevent or influence the trajectory of chronic disease risk. Recent advances show that single nucleotide polymorphisms (SNPs) in the CD36 fat taste receptor are linked to differences in fat perception, fat preference, and chronic-disease biomarkers. Genetic variation in the sweet taste receptor T1R2 has been shown to alter sweet taste preferences, eating behaviors, and risk of dental caries. Polymorphisms in the bitter taste receptor T2R38 have been shown to influence taste for brassica vegetables. Individuals that intensely taste the bitterness of brassica vegetables ("supertasters") may avoid vegetable consumption and compensate by increasing their consumption of sweet and fatty foods, which may increase risk for chronic disease. Emerging evidence also suggests that the role of genetics in taste perception may be more impactful in children due to the lack of cultural influence compared to adults. This review examines the current knowledge of SNPs in taste receptors associated with fat, sweet, bitter, umami, and salt taste modalities and their contributions to food preferences, and chronic disease. Overall, these SNPs demonstrate the potential to influence food preferences and consequently health.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle