MétaCan
Menu
Retour à la cohorte
Enregistrement W3201614425 · doi:10.1016/j.jff.2021.104735

Differential fermentation of raw and processed high-amylose and waxy maize starches in the Simulator of the Human Intestinal Microbial Ecosystem (SHIME®)

2021· article· en· W3201614425 sur OpenAlexafffund
Yafei Liu, Ajila Chandran Matheyambath, Ives Ivusic Polic, Gisèle LaPointe

Notice bibliographique

RevueJournal of Functional Foods · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFood scienceFermentationStarchChemistryShort-chain fatty acidAmyloseButyrateResistant starchFirmicutesBiochemistry

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate the colonic fermentation profiles of both high-amylose and waxy maize starches in raw, cooked, and cooked-cooled forms, as measured by changes in short-chain fatty acid production and microbiota composition, using the Mucosal-Simulator of the Human Intestinal Microbial Ecosystem (SHIME). Adding starch (6 g/L) to basal feed promoted butyrate production in SHIME proximal and distal colon vessels. The cooked high-amylose starch induced the highest butyrate production in both colon vessels, while the cooked waxy starch induced the highest butyrate production in the distal but not the proximal colon vessel. All starch preparations increased Bifidobacteriaceae abundance in the proximal colon vessel (2- to 6-fold) and the Firmicutes/Bacteroidetes ratio. The cooked high-amylose starch increased Akkermansiaceae abundance in the distal (2-fold) but not the proximal colon vessel. The results indicate the cooking and cooling effect on starch fermentation outcome in successive colon regions depends on the starch amylose content.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,026
Tête enseignante GPT0,255
Écart entre enseignants0,229 · 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

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Functional FoodsMême sujetFood composition and propertiesTravaux en français237 207