Effect of Milk Protein–Polyphenol Conjugate on the Regulation of GLP-1 Hormone
Notice bibliographique
Résumé
Modern functional foods are designed to provide health benefits beyond basic nutrition. They are enriched with bioactive ingredients like probiotics, vitamins, minerals, and antioxidants. These foods support overall health, enhance immune function, and help prevent chronic diseases. Milk proteins and tea are known to influence satiety and regulate body weight. Studies have shown that green tea polyphenols, namely, (-)-epigallocatechin gallate (EGCG), and whey proteins, predominantly lactoferrin (LF) from milk, play a role in regulating satiety. This study aims to investigate the effect of conjugating EGCG with apo-lactoferrin (Apo-LF) and assessing these effects on satiety through monitoring glucagon-like peptide-1 (GLP-1) regulation in a human colon (NCI-H716) cell line. Apo-LF-EGCG conjugates were synthesized and characterized in terms of structural and functional properties. The effect on GLP-1 regulation was assessed by real-time quantitative reverse-transcription polymerase chain reaction (qRT-PCR) and enzyme-linked immunosorbent assay (ELISA) to monitor gene and protein expressions, respectively. The results revealed that the protein-polyphenol interaction occurs through the complex formation of hydrogen bonds at the O-H and carbonyl groups of EGCG. The conjugates also showed a significant up-regulation of gene and protein expression levels of GLP-1 while also preventing EGCG from degradation, thereby preserving its antioxidant properties. The Apo-LF-EGCG conjugates increase satiety via increasing GLP-1 secretion in human colon cells while simultaneously retaining the antioxidant properties of EGCG. Therefore, these conjugates show potential for use as dietary supplements to enhance satiety.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».