MétaCan
Menu
Retour à la cohorte
Enregistrement W2938821922 · doi:10.1139/apnm-2019-0102

Effect of β-alanine supplementation on carnosine and histidine content in the hippocampus of 14-month-old rats

2019· article· en· W2938821922 sur OpenAlexvenueno aff
Jay R. Hoffman, John A. Rathmacher, J.C. Robinson, Yftach Gepner, Hagit Cohen

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBiochemical effects in animals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarnosineAlanineHistidineHippocampusHippocampal formationChemistryInternal medicineEndocrinologyBiochemistryBiologyMedicineAmino acid

Résumé

récupéré en direct d'OpenAlex

Carnosine and histidine content in the hippocampus of 14-month-old male rats was examined following 30 days of β-alanine supplementation. All animals were provided identical diets; however, 100 mg of β-alanine was mixed with glucomannan (80:20 blend) in the water of β-alanine supplemented animals. Hippocampal carnosine content was significantly greater (p = 0.005) for β-alanine compared with control, while no differences (p = 0.438) were noted in histidine content between groups. Results provide initial evidence that β-alanine supplementation increases carnosine content in the hippocampus of middle-aged rats, without compromising histidine content. β-Alanine supplementation increases hippocampal carnosine content without compromising histidine content in middle-aged rats.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetBiochemical effects in animalsTravaux en français237 207