Hypoglycemic and Hypolipidemic Effects of Glucomannan Extracted from Konjac on Type 2 Diabetic Rats
Notice bibliographique
Résumé
Diabetes and its complications are one of the most concerned metabolic diseases worldwide and threaten human health severely. Hypoglycemic and hypolipidemic effects of glucomannan extracted from konjac on high-fat diet and streptozocin-induced type 2 diabetic rats were evaluated in this study. Administration of konjac glucomannan significantly decreased the levels of fasting blood glucose, serum insulin, glucagon-like peptide 1, and glycated serum protein. The concentrations of serum lipids, including total cholesterol, triacylglycerols, low-density lipoprotein cholesterol, and non-esterified fatty acid, were notably reduced by konjac glucomannan treatment. In addition, antioxidant capacity, pancreatic injury, and adipose cell hypertrophy were ameliorated by konjac glucomannan administration in type 2 diabetic rats. Besides, ultra performance liquid chromatography-quadrupole time-of-flight mass spectrometry-based lipidomics analysis was used to explore the improvement of lipid metabolic by konjac glucomannan treatment. The disturbance of glycerolipid (diacylglycerol, monoacylglycerol, and triacylglycerol), fatty acyl (acylcarnitine and hydroxyl fatty acid), sphingolipid (ceramide and sphingomyelin), and glycerophospholipid (phosphatidylcholine) metabolism were attenuated by the glucomannan treatment. This study provided new insights for investigating the anti-diabetic effects of konjac glucomannan and suggests that konjac glucomannan may be a promising nutraceutical for treating type 2 diabetes.
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 | 0,001 | 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 ».