Detailed fatty acid profile of serum lipid classes in lactating women and their relationship with milk fat
Notice bibliographique
Résumé
Little is known about fatty acid (FA) distribution among triacylglyceride (TG), cholesterol ester (CE), and phospholipid (PL) plasma lipid fractions in lactating women, and the relationships between these fractions and the FA profile of the milk that mothers produce. Milk fat and serum lipid FA compositions in lactating women were compared to investigate which serum lipids are the source of FA in milk fat. A TLC methodology was used to fractionate serum lipids including PL subclasses, that is, phosphatidylethanolamine (PE), phosphatidylcholine (PC), and sphingomyelin (SM). Plasma lipids consisted of CE (36.4%), TG (19.1%), PE (1.40%), PC (39.80%), and SM (3.29%). With regard to PL fractions, PE was characterized by the highest levels of 18:0, 20:4 n‐6, 22:6 n‐3, and alkenyl ethers. PC revealed 16:0 as the predominant FA, followed by 18:2 n‐6, 18:0, cis ‐9 18:1, and 20:4 n‐6, whereas saturated FA from 16:0 to 24:0 were characteristic of SM. Although n‐6 and n‐3 polyunsaturated FA were mostly found in PE and PC, strong correlations were found for 18:2 n‐6 and 18:3 n‐3 between plasma TG and milk lipids. This study also shows that trans 18:1 isomers may be selectively incorporated into milk fat from specific serum fractions. Practical applications: An easy‐to‐use and inexpensive two‐stage TLC methodology to fractionate plasma lipids requiring only 1 mL of blood serum has been developed. Moreover, this study provides valuable information on the composition of serum lipids in lactating women, particularly with regard to PL classes, and their influence on the milk fat FA profile. Fatty acid transfer from serum lipids to milk fat in lactating women.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».