Guar gum and resistant starch consumption increases interleukin‐10 (IL‐10) abundance in the colon of pigs fed a high‐fat diet
Notice bibliographique
Résumé
This study was conducted to examine colonic abundances of anti‐inflammatory cytokine interleukin 10 (IL‐10) and pro‐inflammatory cytokines tumor necrosis factor‐alpha (TNF‐α) and interleukin‐6 (IL‐6) in pigs fed a high‐fat basal diet supplemented with 15% guar gum and resistant starch. A total of 24 Yorkshire grower barrows were assigned into a high‐fat basal diet as the control and two basal diets supplemented with 15% guar gum and retrograded high amylose cornstarch, i.e., resistant starch, according to a randomized block design for 4 weeks. Compared with the control group, guar gum and resistant starch consumption at 15% increased ( P <0.05) colonic IL‐10 abundance. However, there was no difference ( P >0.05) in colonic IL‐10 abundance between the 15%‐guar gum and the 15%‐resistant starch groups. Furthermore, the consumption of guar gum and resistant starch did not affect ( P >0.05) colonic abundances of TNF‐α and IL‐6. We conclude that consumption of guar gum and resistant starch supplemented in a high‐fat basal diet may protect the colon from developing inflammation by enhancing IL‐10 abundance. Supported by OMAFRA of Canada.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».