Screening of Potential Probiotic <i>Lactobacillaceae</i> and Their Improvement of Type 2 Diabetes Mellitus by Promoting PI3K/AKT Signaling Pathway in db/db Mice
Notice bibliographique
Résumé
Abstract The study aimed to isolate Lactobacillaceae strains with in vitro hypoglycemic activity and probiotic properties and to determine their antidiabetic abilities in vivo . Lactiplantibacillus plantarum 22, L. plantarum 25, Limosilactobacillus fermentum 11, and L. fermentum 305 with high in vitro hypoglycemic activity were screened from 23 strains of Lactobacillaceae isolated from human feces and identified by 16S rDNA sequencing. The fasting blood glucose (FBG) of the mice was recorded weekly. After 12 weeks, liver, kidney, and pancreas tissues were stained with hematoxylin and eosin (H&E) to observe histomorphology; the inflammatory factors were assayed by Quantitative Real-time PCR; PI3K and AKT were measured by Western blot; the short-chain fatty acids (SCFAs) were determined by LC-MS/MS. Inhibitory activities of L. plantarum 22, L. plantarum 25, L. fermentum 11, and L. fermentum 305 against α-amylase were 62.29 ± 0.44%, 51.81 ± 3.65%, 58.40 ± 1.68%, and 57.48 ± 5.04%, respectively. Their inhibitory activities to α-glucosidase were 14.89 ± 0.38%, 15.32 ± 0.89%, 52.63 ± 3.07%, and 51.79 ± 1.13%, respectively. Their survival rate after simulated gastrointestinal test were 12.42 ± 2.84%, 9.10 ± 1.12%, 5.86 ± 0.52%, and 8.82 ± 2.50% and their adhesion rates to Caco-2 cell were 6.09 ± 0.39%, 6.37 ± 0.28%, 6.94 ± 0.27%, and 6.91 ± 0.11%, respectively. The orthogonal tests of bacterial powders of the four strains showed that the maximum inhibitory activities to α-amylase and α-glucosidase were 93.18 ± 1.19% and 75.33 ± 2.89%, respectively. The results showed that the mixture of Lactobacillaceae could lower FBG, reduce inflammation, and liver, kidney, and pancreas damage, promote PI3K/AKT signaling pathway, and increase the content of SCFAs. The combination of L. plantarum 22, L. plantarum 25, L. fermentum 11, and L. fermentum 305 can potentially improve type 2 diabetes mellitus (T2DM).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».