MétaCan
Menu
Retour à la cohorte
Enregistrement W3217110745

Whey Protein and Its Components Lactalbumin and Lactoferrin Affect Energy Balance and Protect against Stroke Onset and Renal Damage in Salt-Loaded, High-Fat Fed Male Spontaneously Hypertensive Stroke-Prone Rats.

2020· article· en· W3217110745 sur OpenAlexaff
Arashdeep Singh, Rizaldy C. Zapata, Adel Pezeshki, Cameron G. Knight, Ursula I. Tuor, Prasanth K. Chelikani

Notice bibliographique

RevueDefault journal · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLactoferrinInternal medicineEndocrinologyStroke (engine)LactalbuminAlbuminWhey proteinMedicineChemistryFood scienceBiochemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Whey protein (WH)-enriched diets are reported to aid in weight loss and to improve cardiovascular health. However, the bioactive components in whey responsible for causing such effects remain unidentified. OBJECTIVE We determined the effects of whey and its components [α-lactalbumin (LA) and lactoferrin (LF)] on energy balance, glucose tolerance, gut hormones, renal damage, and stroke onset in rats. METHODS Male spontaneously hypertensive stroke-prone (SHRSP) rats (age 8 wk) were fed isocaloric high-fat (40% kcal) and high-salt (4% wt/wt) diets (n = 8-10/group) and randomized for 8 wk to diets enriched as follows: control (CO): 15% kcal from egg albumin, 45% kcal from carbohydrate; WH: 20%kcal WH isolate + 15% kcal egg albumin; LA: 20% kcal LA  + 15% kcal egg albumin; or LF: 20% kcal lactoferrin + 15% kcal egg albumin. Measurements included energy balance (food intake, energy expenditure, and body composition), stroke-related behaviors, brain imaging, glucose tolerance, metabolic hormones, and tissue markers of renal damage. Data were analyzed by linear mixed models with repeated measures or 1-way ANOVA. RESULTS Diets enriched with WH, LA, or LF increased survival, with 25% of rats fed these diets exhibiting stroke-associated morbidity, whereas 90% of CO rats were morbid by 8 wk (P < 0.05). The nephritis scores of rats fed WH-, LA-, or LF-enriched diets were 80%, 92%, and 122% lower than those of COs (P = 0.001). The mRNA abundances of renin and osteopontin were 100-600% lower in rats fed WH-, LA-, or LF-enriched diets than in COs (P < 0.05). Urine albumin concentrations and albumin-to-creatinine ratios were 200% lower in rats fed LF-enriched diets than in COs (P < 0.05). Compared with COs, rats fed LF-enriched diets for 2-3 wk had food intake decreased by 29%, body weight decreased by 13-19%, lean mass decreased by 12-19%, and fat mass decreased by 20% (P < 0.001). Relative to COs, rats fed WH and LA had food intake decreased by 10% (P < 0.1), but COs had 12-45% lower weight than rats fed LA- and WH-enriched diets by 3 wk (P < 0.01). Compared with COs, rats fed WH-enriched diets increased energy expenditure by 7%, whereas, rats fed LA-enriched diets had energy expenditure acutely decreased by 7% during the first 4 d, and rats fed LF-enriched diets had energy expenditure decreased by 7-17% throughout the first week ( P < 0.001). Rats fed LA- and LF-enriched diets had blood glucose decreased by 14-19% (P < 0.05) and WH by 9% (P = 0.1), relative to COs. Compared with COs, rats fed LF had GIP decreased by 90% and PYY by 87% (P < 0.05). CONCLUSION Together, these findings indicate that whey and its components α-lactalbumin and lactoferrin improved energy balance and glycemic control, and protected against the onset of neurological deficits associated with stroke and renal damage in male SHRSP rats.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,484
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefault journalMême sujetInfant Nutrition and HealthTravaux en français237 207