Novel Flaxseed Gum Nanocomposites Are Slow Release Iron Supplements
Notice bibliographique
Résumé
Nanocomposites, based on iron salts and soluble flaxseed gum (FG), were prepared as potential treatments of iron deficiency anemia (IDA). FG was extracted, characterized, and formulated into iron-loading nanocomposites via ion-exchange against FeCl3, Fe2(SO4)3, FeCl2, and FeSO4·7H2O. FG-iron nanocomposites preparation condition was optimized, and physicochemical properties of the nanocomposites were investigated. In vitro release kinetics of iron in simulated gastric fluid (SGF) was also evaluated. FG heteropolysaccharide, consisting of rhamnose (33.73%), arabinose (24.35%), xylose (14.23%), glucose (4.54%), and galactose (23.15%) monosaccharides, linked together via varieties of glycosidic bonds, was a good recipient for both ferric and ferrous irons under screened conditions (i.e., 80 °C, 2 h, I/G = 1:2). Iron loaded contents in the nanocomposites prepared from FG-FeCl3, FG-Fe2(SO4)3, FG-FeCl2, and FG-FeSO4·7H2O were 25.51%, 10.36%, 5.83%, and 22.83%, respectively. Iron in these nanocomposites was mostly in a bound state, especially in FG-FeCl3, due to chelation forming bonds between iron and polysaccharide hydroxyl or carboxyl groups and formed stable polysaccharide-iron crystal network structures. Free iron ions were effectively removed by ethanol treatments. Because of chelation, the nanocomposites delayed iron release in SGF and the release kinetics were consistent with Korsmeyer-Peppas model. This indicates that such complexes might reduce side effects of free iron in human stomach. Altogether, this study indicates that these synthetic FG-iron nanocomposites might be developed as novel iron supplements for iron deficiency, in which FG-FeCl3 is considered as the best option.
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 ».