Effects of Commercial Apple Varieties on Human Gut Microbiota Composition and Metabolic Output Using an In Vitro Colonic Model
Notice bibliographique
Résumé
Apples are a rich source of polyphenols and fiber. A major proportion of apple polyphenols escape absorption in the small intestine and together with non-digestible polysaccharides reach the colon, where they can serve as substrates for bacterial fermentation. Animal studies suggest a synergistic interaction between apple polyphenols and the soluble fiber pectin; however, the effects of whole apples on human gut microbiota are less extensively studied. Three commercial apple varieties—Renetta Canada, Golden Delicious and Pink Lady—were digested and fermented in vitro using a batch culture colonic model (pH 5.5–6.0, 37 °C) inoculated with feces from three healthy donors. Inulin and cellulose were used as a readily and a poorly fermentable plant fiber, respectively. Fecal microbiota composition was measured by 16S rRNA gene Illumina MiSeq sequencing (V3-V4 region) and Fluorescence in Situ Hybridization. Short chain fatty acids (SCFAs) and polyphenol microbial metabolites were determined. The three apple varieties significantly changed bacterial diversity, increased Actinobacteria relative abundance, acetate, propionate and total SCFAs (p < 0.05). Renetta Canada and Golden Delicious significantly decreased Bacteroidetes abundance and increased Proteobacteria proportion and bifidobacteria population (p < 0.05). Renetta Canada also increased Faecalibacterium prausnitzii, butyrate levels and polyphenol microbial metabolites (p < 0.05). Together, these data suggest that apples, particularly Renetta Canada, can induce substantial changes in microbiota composition and metabolic activity in vitro, which could be associated with potential benefits to human health. Human intervention studies are necessary to confirm these data and potential beneficial effects.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».