The Effect of Lean-Seafood and Non-Seafood Diets on Fasting and Postprandial Serum Metabolites and Lipid Species: Results from a Randomized Crossover Intervention Study in Healthy Adults
Notice bibliographique
Résumé
The metabolic effects associated with intake of different dietary protein sources are not well characterized. We aimed to elucidate how two diets that varied in main protein sources affected the fasting and postprandial serum metabolites and lipid species. In a randomized controlled trial with crossover design, healthy adults (n = 20) underwent a 4-week intervention with two balanced diets that varied mainly in protein source (lean-seafood versus non-seafood proteins). Nuclear magnetic resonance spectroscopy and liquid chromatography-mass spectrometry analyses were applied to examine the effects of the two diets on serum metabolites. In the fasting state, the lean-seafood diet period, as opposed to the non-seafood diet period, significantly decreased the serum levels of isoleucine and valine, and during the postprandial state, a decreased level of lactate and increased levels of citrate and trimethylamine N-oxide were observed. The non-seafood diet significantly increased the fasting level of 26 lipid species including ceramides 18:1/14:0 and 18:1/23:0 and lysophosphatidylcholines 20:4 and 22:5, as compared to the lean-seafood diet. Thus, the lean-seafood diet decreased circulating isoleucine and valine levels, whereas the non-seafood diet elevated the levels of certain ceramides, metabolites that are associated with insulin-resistance.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».