MétaCan
Menu
Retour à la cohorte
Enregistrement W2972851104 · doi:10.1039/c9fo01679a

Banana flour phenolics inhibit trans-epithelial glucose transport from wheat cakes in a coupled<i>in vitro</i>digestion/Caco-2 cell intestinal model

2019· article· en· W2972851104 sur OpenAlexaff
Joana Pico, Sydney Corbin, Mário G. Ferruzzi, Mario M. Martínez

Notice bibliographique

RevueFood & Function · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCaco-2In vitroDigestion (alchemy)Food scienceChemistryWheat flourBiochemistryCell biologyBiologyChromatography

Résumé

récupéré en direct d'OpenAlex

Some fruit phenolics are reported to attenuate intestinal glucose transport through inhibitory action at the luminal brush border membrane. This effect may contribute, in part, to the ability of flavonoid-rich food to regulate glucose homeostasis of meals rich in available carbohydrates. For the first time, the potential of green banana flours to inhibit transepithelial glucose transport was investigated in the context of a model starchy meal (wheat cake) using a simulated digestion/Caco-2 human intestinal cell model. A 10% replacement of wheat flour with any of the four banana flours (native and extruded oven-dried and freeze-dried) resulted in cakes with significantly higher total phenolics (68-198 μg per 100 g, p < 0.05), especially using extruded banana flour (197-198 μg per 100 g), as measured by LC/MS. Banana cakes, especially those containing oven-dried and/or extruded banana flours, exhibited from 45.0 to 54.5% higher glucose transport inhibition than the control cake. Interestingly, the digesta of cakes made with freeze-dried and extruded banana flour presented a significantly higher phenolic content (1116 μM, p < 0.05) than the other digesta (745-791 μM), while the phenolic content in control digesta was only 548 μM. These results suggested that the amounts of quercetin and myricetin, even in traces, were critical determinants of glucose transport inhibition.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,199
Écart entre enseignants0,186 · 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

Citations35
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood & FunctionMême sujetFood composition and propertiesTravaux en français237 207