Feeding a Mixture of Choline Forms during Lactation Improves Offspring Growth and Maternal Lymphocyte Response to Ex Vivo Immune Challenges
Notice bibliographique
Résumé
Study objectives were to examine the impact of feeding a mixture of choline forms, or a diet high in glycerophosphocholine (GPC) on maternal immune function and offspring growth during lactation. Lactating Sprague-Dawley rat dams (n = 6/diet) were randomized to one of three diets, providing 1 g/kg total choline: Control (100% free choline (FC)), Mixed Choline (MC; 50% phosphatidylcholine (PC), 25% FC, 25% GPC), or High GPC (HGPC; 75% GPC, 12.5% PC, 12.5% FC). At 3 weeks, cell phenotypes and cytokine production with Concanavalin A (ConA)-or lipopolysaccharide (LPS)-stimulated splenocytes and mesenteric lymphocytes were measured. Feeding MC or HGPC diets improved pups’ growth compared to Control (+22% body weight, p < 0.05). In spleen, MC-and HGPC-fed dams had higher proportions of cytotoxic (CD8+) T cells expressing CD27, CD71 and CD127, total B cells (CD45RA+) and dendritic cells (OX6+OX62+), and produced less IL-6 and IFN-γ after ConA than Control-fed dams (p < 0.05). MC and HGPC LPS-stimulated splenocytes produced less IL-1β and IL-6 than Control. ConA-stimulated mesenteric lymphocytes from MC and HGPC dams produced more IL-2 and IFN-γ than Control (p < 0.05). In summary, feeding a mixture of choline forms during lactation improved offspring growth and resulted in a more efficient maternal immune response following mitogenic immune challenge.
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 | 0,000 |
| 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) | 0,001 | 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 ».