Influence of Brown or Germinated Brown Rice Supplementation on Fecal Short-Chain Fatty Acids and Microbiome in Diet-Induced Insulin-Resistant Mice
Notice bibliographique
Résumé
Intake of whole grain foods is associated with improving metabolic profile compared to refined grain products, but the underlying mechanism remains unclear. The present study examined the effects of brown rice (BRR) or germinated brown rice (GBR) supplementation on fecal short-chain fatty acids (SCFAs), and relationship with gut microbiota, metabolism and inflammation in high fat (HF)-diet-fed mice. The results demonstrated that an HF diet supplemented with BRR or GBR comparably increased the abundance of fecal isobutyric acid compared to that in mice receiving HF+white rice (WHR) diet (p < 0.01). The abundance of valeric acid in HF+GBR-diet-fed mice was higher than those receiving HF+WHR diet (p < 0.05). The abundances of fecal isobutyric acid negatively correlated with fasting plasma glucose, insulin, cholesterol, triglycerides, tumor necrosis factor-α, plasminogen activator inhibit-1, monocyte chemotactic protein-1 and homeostatic model assessment of insulin resistance (p < 0.01). The abundance of valeric acids negatively correlated with insulin resistance (p < 0.05). The abundances of isobutyric acid positively correlated with Lactobacillus, but negatively correlated with Dubosiella genus bacteria (p < 0.05). The findings demonstrated that the increases in SCFAs in the feces of BRR and GBR-treated mice were associated with improvements in gut microbiome, metabolic and inflammatory profile, which may contribute to the antidiabetic and anti-inflammatory effects of the whole grains in HF-diet-fed mice.
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 | 0,000 | 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 ».