Retroconversion is a minor contributor to increases in eicosapentaenoic acid following docosahexaenoic acid feeding as determined by compound specific isotope analysis in rat liver
Notice bibliographique
Résumé
Dietary docosahexaenoic acid (DHA, 22:6n-3) not only increases blood and tissue levels of DHA, but also eicosapentaenoic acid (EPA, 20:5n-3). It is generally believed that this increase is due to DHA retroconversion to EPA, however, a slower conversion of α-linolenic acid (ALA, 18:3n-3) derived EPA to downstream metabolic products (i.e. slower turnover of EPA) is equally plausible. In this study, 21-day old Long Evans rats were weaned onto an ALA only or DHA + ALA diet for 12 weeks. Afterwards, livers were collected and the natural abundance 13 C-enrichment was determined by compound specific isotope analysis (CSIA) of liver EPA by isotope ratio mass-spectrometry and compared to dietary ALA and DHA 13 C-enrichment. Isotopic signatures (per mil, ‰) for liver EPA were not different ( p > 0.05) between the ALA only diet (−25.89 ± 0.39 ‰, mean ± SEM) and the DHA + ALA diet (−26.26 ± 0.40 ‰), suggesting the relative contribution from dietary ALA and DHA to liver EPA did not change. However, with DHA feeding estimates of absolute EPA contribution from ALA increased 4.4-fold (147 ± 22 to 788 ± 153 nmol/g) compared to 3.2-fold from DHA (91 ± 14 to 382 ± 13 nmol/g), respectively. In conclusion, CSIA of liver EPA in rats following 12-weeks of dietary DHA suggests that retroconversion of DHA to EPA is a relatively small contributor to increases in EPA, and that this increase in EPA is largely coming from elongation/desaturation of ALA.
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) | 0,001 | 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 ».