Low dietary protein increases vitamin A absorption and deposition into milk in periparturient rats
Notice bibliographique
Résumé
Abstract: Our objective was to study the effect of differing dietary crude protein and vitamin A on retinoid metabolism in a periparturient rat model. Sixty female rats, approximately 21 d before parturition, were fed rations containing either low protein (13%; LP) or high protein (22%; HP) crude protein and either low vitamin A (3 IU/g; LA) or high vitamin A (5 IU/g; HA), yielding treatments HPHA, HPLA, LPHA, and LPLA. Samples were collected at d −14, d +3, and +10 relative to parturition and analyzed for all-trans retinoid acid (RA), 13-Cis RA, and retinol. At d −14, serum all-trans RA concentrations decreased compared to baseline. At both d +3 and d +10, serum retinol increased and liver 13-Cis RA decreased. In the small intestine, 13-cis RA was higher in HPHA than HPLA pre-partum (0.93±0.12 vs. 0.40±0.12 ng/ml, P=0.04). Post-partum, 13-cis RA was lower in high vitamin HPHA and LPHA groups (0.35±0.06 and 0.38±0.06 ng/ml) than in low vitamin A HPLA and LPLA treatments (0.50±0.06 and 1.32±0.06 ng/ml, P<0.01). In rats fed LA diets, TNF-alpha expression tended to be lower in HPLA than LPLA groups on day +3 (0.69±0.34 vs 1.00±0.52, P=0.08), but not day +10 (0.56±0.25 vs. 1.00±0.49 fold change, P>0.10). Retinoids accumulated during pregnancy and were mobilized during lactation. The sequestration of retinoids was increased when dietary protein content was low. Further studies are needed to investigate how retinoid metabolism could be manipulated to improve vitamin A delivery to milk.
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 ».