Non-nutritive sweetener consumption during pregnancy affects adiposity in mouse and human offspring
Notice bibliographique
Résumé
Abstract Overweight and obesity affect over 20% of children worldwide. Emerging evidence shows that nonnutritive sweeteners (NNS) could adversely influence weight gain and metabolic health, particularly during critical periods of development. Thus, we aimed to investigate the impact of prenatal NNS exposure on postnatal growth and adiposity. Among 2298 families participating in the CHILD cohort study, children born to mothers who regularly consumed NNS during pregnancy had elevated body mass index and adiposity at 3 years of age. In a complementary study designed to eliminate confounding by human lifestyle factors and investigate causal mechanisms, we exposed pregnant mice and cultured adipocytes to NNS (aspartame or sucralose) at doses relevant to human consumption. In mice, maternal NNS exposure caused elevated body weight, adiposity and insulin resistance in offspring, especially in males. Further, in 3T3-L1 pre-adipocyte cells, sucralose exposure during early stages of differentiation caused increased lipid accumulation and expression of adipocyte differentiation genes (e.g. C/EBP-α, FABP4, FAS). The same genes were upregulated in the adipose tissue of male mouse offspring born to sucralose-fed dams. Together, these clinical and experimental findings provide evidence suggesting that maternal NNS consumption induces obesity risk in the offspring through effects on adiposity and adipocyte differentiation. One Sentence Summary Maternal consumption of non-nutritive sweeteners during pregnancy stimulates adipocyte differentiation, insulin resistance, weight gain, and adiposity in mouse and human offspring.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».