Pork Meat Proteins Alter Gut Microbiota and Lipid Metabolism Genes in the Colon of Adaptive Immune‐Deficient Mice
Notice bibliographique
Résumé
Scope Excessive consumption of processed meat has been linked to an increasing risk of gut diseases. It is investigated how pork meat proteins affect colon homeostasis between normal and immune‐compromised mice. Methods and results Immune‐deficient mice (Rag1 −/− ) and wild‐type mice are fed a diet that contains 20% casein or protein isolated from cooked pork or dry‐cured pork for 3 months. Rag1 −/− mice show greater variations in transcriptome responses and higher microbial diversity than wild‐type mice after consumption of the pork meat protein diets. Intake of pork meat protein diets also increases body weight and induces colonic oxidative stress, low‐grade inflammation, and gene expression involved in immune function, cell cycle, and migration. Key genes like Hmox1 , Ppara , and Pparg are highly upregulated by pork meat protein. These changes are associated with decreased abundances of Blautia , Bifidobacterium , and Alistipes and increased abundances of Akkermansia muciniphila and Ruminococcaceae . Conclusion Pork meat proteins affect colon health in both wild‐type and Rag1 −/− mice by altering the microbiome profile under the complex interaction with adaptive immunity. The findings herein give a new insight into the understanding of meat intake, immunity, and gut health.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».