Haskap Berry Phenolic Subclasses Differentially Impact Cellular Stress Sensing in Primary and Immortalized Dermal Fibroblasts
Notice bibliographique
Résumé
It is generally accepted that dietary phenolics from fruits are of significant importance to human health. Unfortunately, there is minimal published data on how differences in phenolic structure(s) impact biological pathways at cellular and molecular levels. We observed that haskap berry extracts isolated with ethanol:formic acid:water or phenolic subclass fractions separated using different concentrations of ethanol (40% and 100%) impacted cell growth in a positive manner. All fractions and extracts significantly increased population doubling times. All extracts and fractions reduced intracellular free radicals; however, there were differences in these effects, indicating different abilities to scavenge free radicals. The extracts and fractions also exhibited differing impacts on transcripts encoding the antioxidant enzymes (CAT, SOD1, GPX1, GSS and HMOX1) and the phosphorylation state of nuclear factor-κB (NF-κB). We further observed that extracts and fractions containing different phenolic structures had divergent impacts on the mammalian target of rapamycin (mTOR) and sirtuin 1 (SIRT1). siRNA-mediated knockdown of SIRT1 transcripts demonstrated that this enzyme is key to eliciting haskap phenolic(s) impact on cells. We postulate that phenolic synergism is of significant importance when evaluating their dietary impact.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».