The Antidiabetic Potential of Quercetin: Underlying Mechanisms
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
The dramatic increase in modern lifestyle diseases such as cancer, cardiovascular diseases and diabetes has renewed researchers' interest to explore nature as a source of novel therapeutic agents. Flavonoids are a large group of polyphenols that are widely present in the human diet. They have shown promising therapeutic activities against a wide variety of ailments. One of the most widely distributed and most extensively studied flavonoid is the flavonol quercetin. Its powerful antioxidant and anti-inflammatory activities are well documented and are thought to play a role in treating and protecting against diseases including diabetes, cancer, neurodegenerative and cardiovascular diseases. The purpose of this review is to shed light on quercetin therapeutic potential as an antidiabetic agent. Quercetin was reported to interact with many molecular targets in small intestine, pancreas, skeletal muscle, adipose tissue and liver to control whole-body glucose homeostasis. Mechanisms of action of quercetin are pleiotropic and involve the inhibition of intestinal glucose absorption, insulin secretory and insulin-sensitizing activities as well as improved glucose utilization in peripheral tissues. Initial studies suggested poor bioavailability of quercetin. However, recent reports have shown that quercetin was detected in the plasma after food or supplements consumption and has a long half-life in human body. Despite the wealth of in vitro and in vivo results supporting the antidiabetic potential of quercetin, its efficacy in diabetic human subjects is yet to be explored.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle