MétaCan
Menu
Retour à la cohorte
Enregistrement W4385984897 · doi:10.3390/nu15163630

Rice Bran Extract Suppresses High-Fat Diet-Induced Hyperlipidemia and Hepatosteatosis through Targeting AMPK and STAT3 Signaling

2023· article· en· W4385984897 sur OpenAlexaff
Joe Eun Son, Jay-Young Jo, San Kim, Min Ju Park, Yerin Lee, Seong Shil Park, Su Myung Jung, Sung Keun Jung, Ji Yeon Kim, Sanguine Byun

Notice bibliographique

RevueNutrients · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésHyperlipidemiaAMPKLipid metabolismBranSTAT3ChemistryPharmacologyMedicineFood scienceBiochemistryEndocrinologySignal transductionProtein kinase AEnzymeDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Rice bran, a by-product of rice milling, is abundant in bioactive molecules and is highly recognized for its health-promoting properties, particularly in improving metabolic conditions. Building on this knowledge, we aimed to optimize the extraction conditions to maximize the functional efficacy of rice bran extract (RBE) and further validate its impact on lipid metabolism. We found that the optimized RBE (ORBE) significantly suppressed high-fat diet-induced weight gain, hyperlipidemia, and hepatosteatosis in mouse models. ORBE treatment not only suppressed lipid uptake in vivo, but also reduced lipid accumulation in HepG2 cells. Importantly, we discovered that ORBE administration resulted in activation of AMPK and inhibition of STAT3, which are both crucial players in lipid metabolism in the liver. Collectively, ORBE potentially offers promise as a dietary intervention strategy against hyperlipidemia and hepatosteatosis. This study underlines the value of optimized extraction conditions in enhancing the functional efficacy of rice bran.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,265
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207