MétaCan
Menu
Retour à la cohorte
Enregistrement W4390754340 · doi:10.1016/j.foodchem.2024.138404

Aluminum, a colorful gamechanger: Uptake of an aluminum-containing food color in human cells and its implications for human health

2024· article· en· W4390754340 sur OpenAlexfundno aff
Clara Ganhör, Marlene Rezk, Christian Doppler, Teresa Ruthmeier, Christian Wechselberger, Marina Müller, Michaela Kotnik, Špela Puh, Barbara Meßner, David Bernhard

Notice bibliographique

RevueFood Chemistry · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAluminum toxicity and tolerance in plants and animals
Établissements canadiensnon disponible
Organismes subventionnairesHakai InstituteEuropean CommissionEuropean Food Safety Authority
Mots-clésUmbilical veinChemistryBiochemistrySolubilityHuman healthFood scienceIn vitroOrganic chemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Aluminum is added to many food colors to change their solubility. This study compares the aluminum-containing food color carmine with its aluminum-free version carminic acid (both E 120), hypothesizing that the addition of aluminum does not only change the color's solubility, but also its effects on human cells. We could show that carmine, but not carminic acid, is taken up by gastrointestinal Caco-2 and umbilical vein endothelial cells (HUVEC). Clear differences between gene expression profiles of Caco-2 cells exposed to carmine, carminic acid or control were shown. KEGG analysis revealed that carmine-specific genes suppress oxidative phosphorylation, and showed that this suppression is associated with neurodegenerative diseases such as Alzheimer and Parkinson disease. Furthermore, carmine, but not carminic acid, increased proliferation of Caco-2 cells. Our findings show that a food color containing aluminum induces different cellular effects compared to its aluminum-free form, which is currently not considered in EU legislation.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,048
Tête enseignante GPT0,286
Écart entre enseignants0,238 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetAluminum toxicity and tolerance in plants and animalsTravaux en français237 207