Iron Bioavailability from Multiple Biofortified Foods Using an In Vitro Digestion, Caco-2 Assay for Optimizing a Cyclical Menu for a Randomized Efficacy Trial
Notice bibliographique
Résumé
Inadequate nutritional status contributes to substantial losses in human health and productivity globally. A multiple biofortified food crop trial targeting iron, zinc, and vitamin A deficiencies among young children and their breastfeeding mothers is being conducted in India. We sought to determine the relative iron bioavailability from biofortified and conventional crops and crop combinations representative of a cyclical menu using crops targeted for inclusion in the feeding trial. Crops were procured from India, cooked, freeze-dried, and analyzed with an established in vitro digestion/Caco-2 iron bioavailability assay using a fixed sample weight. Crop proportions representative of meals planned for the human study were determined and combined such that samples included either all biofortified or all control crops. Crops were analyzed as single crops (n = 4) or crop combinations (n = 7) by variety (biofortified or control) in triplicate. The primary outcome was iron uptake measured by Caco-2 ferritin production normalized to total Caco-2 protein (nanograms of ferritin/milligrams of cell protein) analyzed for effects of crop variety and crop proportion using generalized linear models. Biofortified pearl millet alone demonstrated higher iron uptake than conventional varieties (5.01 ± 1.66 vs. 2.17 ± 0.96; P = 0.036). Addition of sweet potato or sweet potato + pulse improved iron uptake for all proportions tested in control varieties and select proportions for biofortified varieties (P ≤ 0.05). Two multiple crop combinations demonstrated modestly higher iron uptake from biofortified crops. Optimizing total iron delivery should consider matrix effects, processing, and promoters/inhibitors of iron absorption in addition to total iron concentration. Future directions include evaluating recipes as prepared for consumption and comparison against human iron bioavailability studies.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».