Impact of maternal obesity and prebiotic supplementation on select maternal milk microRNA levels and correlation with offspring outcomes
Notice bibliographique
Résumé
Breast milk composition varies with maternal factors including diet and confers health benefits to the neonate; however, the mechanisms mediating this protection remain incompletely understood. Our aim was to investigate the effects of supplementing a maternal high-fat/sucrose (HFS) diet with prebiotic oligofructose (OFS) on milk composition in rats and associations with offspring body composition and gut microbiota. Obese Sprague-Dawley dams consumed a control, HFS, HFS + OFS (10 % wt/wt) or HFS diet weight-matched to the HFS + OFS group (HFS-WM) during pregnancy and lactation. Pups were weaned onto a HFS diet on day 21. Milk was collected at weaning and analysed for protein, leptin and microRNA (miRNA) levels. Milk produced by HFS dams contained less protein than milk from lean controls which was normalised by OFS. Six miRNA (miR-222, miR-203a, miR-200a, miR-26a, miR-27a and miR-103) were differentially expressed in milk according to maternal diet. Milk leptin content was positively correlated with maternal body fat and faecal Enterobacteriaceae in male offspring at 24 weeks of age. Milk protein content was inversely associated with maternal body fat and body weight. miR-200a was positively associated with maternal body fat and Enterobacteriaceae in female offspring at 24 weeks of age. Correlations between milk protein and multiple milk miRNA and offspring body composition and gut microbiota differed by sex. Overall, our results suggest that obesogenic diets and prebiotic supplementation can alter the protein and miRNA levels in breast milk in rats and these milk components may explain, in part, the influence of these maternal diets on offspring body composition.
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) | 0,000 | 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 ».