Novel 13C enrichment technique reveals early turnover of DHA in peripheral tissues
Notice bibliographique
Résumé
The brain is rich in DHA, which plays important roles in regulating neuronal function. Recently, using compound-specific isotope analysis that takes advantage of natural differences in carbon-13 content (13C/12C ratio or δ13C) of the food supply, we determined the brain DHA half-life. However, because of methodological limitations, we were unable to capture DHA turnover rates in peripheral tissues. In the current study, we applied compound-specific isotope analysis via high-precision GC combustion isotope ratio mass spectrometry to determine half-lives of brain, liver, and plasma DHA in mice following a dietary switch experiment. To model DHA tissue turnover rates in peripheral tissues, we added earlier time points within the diet switch study and took advantage of natural variations in the δ13C-DHA of algal and fish DHA sources to maintain DHA pool sizes and used an enriched (uniformly labeled 13C) DHA treatment. Mice were fed a fish-DHA diet (control) for 3 months, then switched to an algal-DHA treatment diet, the 13C enriched-DHA treatment diet, or they stayed on the control diet for the remainder of the study time course. In mice fed the algal and 13C enriched-DHA diets, the brain DHA half-life was 47 and 46 days, the liver half-life was 5.6 and 7.2 days, and the plasma half-life was 4.7 and 6.4 days, respectively. By using improved methodologies, we calculated DHA turnover rates in the liver and plasma, and our study for the first time, by using an enriched DHA source (very high δ13C), validated its utility in diet switch studies.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».