Breast milk selenocystine as a biomarker for selenium intake in lactating women at differential geographical deficiency risk in China.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A reliable biomarker for optimal selenium (Se) intake in lactating women is not currently available. METHODS AND STUDY DESIGN: Daily dietary Se intake in lactating women was calculated from a 24-hour meal record survey for over 3 days. Se levels in plasma and breast milk were measured through inductively coupled plasma mass spectrometry. Plasma selenoprotein P 1 levels and glutathione peroxidase 3 activity were measured using an enzyme-linked immunosorbent assay. Ultra-performance liquid chromatography-tandem mass spectrometry was used to analyze proteinaceous Se species in enzymatically digested breast milk. RESULTS: Dietary Se intakes of lactating women from Liangshan, Beijing, and Enshi were 41.6±21.2 ng/d, 51.1±22.6 ng/d, and 615±178 ng/d, respectively (p<0.05). The Se levels in the blood and breast milk were significantly associated with the dietary Se intake (p<0.05). The proteinaceous Se species in breast milk were SeMet and SeCys2. The levels of SeMet in the lactating women from Liangshan, Beijing, and Enshi were 3.31±2.44 ng Se/mL, 7.34±3.70 ng Se/mL, and 8.99±9.64 ng Se/mL, while that of SeCys2 were 13.7±12.0 ng Se/mL, 35.6±20.9 ng Se/mL, and 57.4±13.2 ng Se/mL, respectively. Notably, the concentration of SeCys2, the metabolite of unstable SeCys, reached a saturation platform, whereas no similar phenomenon were found for the total Se SeMet from Secontaining proteins. CONCLUSIONS: SeCys2 in breast milk is a potential biomarker for determining the optimal Se intake in lactating women.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».