Impact of a high energy diet on obesity-associated immune biomarkers in Sprague Dawley rats (MUC2P.929)
Notice bibliographique
Résumé
Abstract A trial was designed to examine effects of a high energy diet on obesity-associated biomarkers in Sprague-Dawley (SD) rats. Male rats (n = 176) were fed an AIN93G high-energy diet containing 16% dietary fat for 2 weeks, and segregated into obese-prone and obese-resistant phenotypes. Necropsies of animals displaying the highest (n = 10) and those displaying the lowest weight gain (n = 10) were conducted to examine potential differences in the concentration of immune biomarkers. Adipose, mucosal (ileum, ileal Peyer’s patches, cecum, proximal and distal colon), mesenteric lymph nodes (mln) and systemic (serum, liver, spleen) tissues were comparatively analyzed for cytokine or adipokine profiles. Obese rats had higher levels of leptin (P = 0.0001) and IL-22 (P = 0.059) in the distal colon and higher levels of IL-10 (P = 0.032) and TNF-α (P = 0.016) in the proximal colon compared to their obese-resistant counterparts. In obese-resistant rats, higher levels of CINC-2αβ (P = 0.048) occurred in mesenteric adipose tissue along with higher levels of soluble ICAM-1 (P = 0.018) in the mln. These findings suggest a high energy diet imparted differential effects on mucosal cytokine and adipokine production in colonic and mesenteric tissue between obese-prone and obese-resistant SD rats. Elevated levels of pro-inflammatory and regulatory cytokines are evident as little as 2 weeks after the initiation of a high-energy diet.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».