Bioaccessibility and Cellular Uptake of Lutein, Zeaxanthin and Ferulic Acid from Muffins and Breads Made from Hairless Canary Seed, Wheat and Corn Blends
Notice bibliographique
Résumé
Using a simulated gastrointestinal digestion model combined with a Caco-2 cell model, this study aims to assess the bioaccessibility and cellular uptake of dietary lutein, zeaxanthin, and ferulic acid from muffins and bread prepared from blends of hairless canary seed (HCS), wheat, and corn. Residual digestive enzymes damaged the Caco-2 monolayer and necessitated the requirements for the additional clean-up of the digesta. Several digesta cleanup treatments were examined, and the C18 column, along with AEBSF inhibitor, was selected as the most effective treatment. However, the cleanup treatment reduced lutein, zeaxanthin, and ferulic acid concentrations. The bioaccessibility of lutein from muffins was high at 92-94% (without clean-up) and 81-86% (with cleanup); however, the cellular uptake was low (7-9%). The bioaccessibility and cellular uptake (4-11%) of zeaxanthin were lower than lutein. Ferulic acid from muffins exhibited a wide range of bioaccessibility for non-cleanup (105-229%) and clean-up (53-133%) digesta samples; however, cellular uptake was very low (0.5-1.8%). Bread made from wheat/HCS had higher lutein bioaccessibility (47-80%) than the control bread (42%), with an apical cellular uptake ranging from 4.3 to 9.2%. Similar to muffins, the bioaccessibility of zeaxanthin from bread was lower than lutein, while ferulic acid had a fairly high bioaccessibility at 98-103% (without clean-up) and 81-102% (with cleanup); however, zeaxanthin cellular uptake was low (0.2%). These results suggest that muffins and bread could boost the daily consumption of lutein, zeaxanthin, and ferulic acid, allowing for a small portion to be absorbed in the small intestine.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».