Dietary Pea Fiber Supplementation Improves Glycemia and Induces Changes in the Composition of Gut Microbiota, Serum Short Chain Fatty Acid Profile and Expression of Mucins in Glucose Intolerant Rats
Notice bibliographique
Résumé
Several studies have demonstrated the beneficial impact of dried peas and their components on glucose tolerance; however, the role of gut microbiota as a potential mediator is not fully examined. In this study, we investigated the effect of dietary supplementation with raw and cooked pea seed coats (PSC) on glucose tolerance, microbial composition of the gut, select markers of intestinal barrier function, and short chain fatty acid profile in glucose intolerant rats. Male Sprague Dawley rats were fed high fat diet (HFD) for six weeks to induce glucose intolerance, followed by four weeks of feeding PSC-supplemented diets. Cooked PSC improved glucose tolerance by approximately 30% (p < 0.05), and raw and cooked PSC diets reduced insulin response by 53% and 56% respectively (p < 0.05 and p < 0.01), compared to HFD (containing cellulose as the source of dietary fiber). 16S rRNA gene sequencing on fecal samples showed a significant shift in the overall microbial composition of PSC groups when compared to HFD and low fat diet (LFD) controls. At the family level, PSC increased the abundance of Lachnospiraceae and Prevotellaceae (p < 0.001), and decreased Porphyromonadaceae (p < 0.01) compared with HFD. This was accompanied by increased mRNA expression of mucin genes Muc1, Muc2, and Muc4 in ileal epithelium (p < 0.05). Serum levels of acetate and propionate increased with raw PSC diet (p < 0.01). These results indicate that supplementation of HFD with PSC fractions can improve glycemia and may have a protective role against HFD-induced alterations in gut microbiota and mucus layer.
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 | 0,000 | 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 | 0,000 |
| 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 ».