MétaCan
Menu
Retour à la cohorte
Enregistrement W4294225716 · doi:10.3389/fnut.2022.899401

Role of lipidomics in assessing the functional lipid composition in breast milk

2022· review· en· W4294225716 sur OpenAlexaff
Moganatharsa Ganeshalingam, Samantha Enstad, Sarbattama Sen, Sukhinder Kaur Cheema, Flavia Esposito, Raymond Thomas

Notice bibliographique

RevueFrontiers in Nutrition · 2022
Typereview
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésLipidomeLipidomicsBreast milkFunctional foodBiologyPhysiologyMedicineBioinformaticsFood scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Breast milk is the ideal source of nutrients for infants in early life. Lipids represent 2-5% of the total breast milk composition and are a major energy source providing 50% of an infant's energy intake. Functional lipids are an emerging class of lipids in breast milk mediating several different biological functions, health, and developmental outcome. Lipidomics is an emerging field that studies the structure and function of lipidome. It provides the ability to identify new signaling molecules, mechanisms underlying physiological activities, and possible biomarkers for early diagnosis and prognosis of diseases, thus laying the foundation for individualized, targeted, and precise nutritional management strategies. This emerging technique can be useful to study the major role of functional lipids in breast milk in several dimensions. Functional lipids are consumed with daily food intake; however, they have physiological benefits reported to reduce the risk of disease. Functional lipids are a new area of interest in lipidomics, but very little is known of the functional lipidome in human breast milk. In this review, we focus on the role of lipidomics in assessing functional lipid composition in breast milk and how lipid bioinformatics, a newly emerging branch in this field, can help to determine the mechanisms by which breast milk affects newborn health.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,027
Tête enseignante GPT0,312
Écart entre enseignants0,284 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetInfant Nutrition and HealthTravaux en français237 207