New Insights on the Role of Bioactive Food Derivatives in Neurodegeneration andNeuroprotection
Notice bibliographique
Résumé
Over the last three decades, neurodegenerative diseases have received increasing attention due to their frequency in the aging population and the social and economic burdens they are posing. In parallel, an era's worth of research in neuroscience has shaped our current appreciation of the complex relationship between nutrition and the central nervous system. Particular branches of nutrition continue to galvanize neuroscientists, in particular the diverse roles that bioactive food derivatives play on health and disease. Bioactive food derivatives are nowadays recognized to directly impact brain homeostasis, specifically with respect to their actions on cellular mechanisms of oxidative stress, neuroinflammation, mitochondrial dysfunction, apoptosis and autophagy. However, ambiguities still exist regarding the significance of the influence of bioactive food derivatives on human health. In turn, gut microbiota dysbiosis is emerging as a novel player in the pathogenesis of neurodegenerative diseases. Currently, several routes of communication exist between the gut and the brain, where molecules are either released in the bloodstream or directly transported to the CNS. As such, bioactive food derivatives can modulate the complex ecosystem of the gut-brain axis, thus, targeting this communication network holds promises as a neuroprotective tool. This review aims at addressing one of the emerging aspects of neuroscience, particularly the interplay between food bioactive derivatives and neurodegeneration. We will specifically address the role that polyphenols and omega-3 fatty acids play in preventing neurodegenerative diseases and how dietary intervention complements available pharmacological approaches.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».