Influence of Northern Wild Rice on Gut Dysbiosis and Short Chain Fatty Acids: Correlation with Metabolic and Inflammatory Markers in High Fat Diet-Induced Insulin Resistant Mice
Notice bibliographique
Résumé
The present study examined metabolites in Northern wild rice (WLD), the impact of WLD supplemented high fat (HF) diet on gut microbiota, short chain fatty acids (SCFAs) and correlation with metabolism or inflammation versus HF+white rice (WHR) in mice. C57BL/6J mice received HF diet supplemented with 26g% WHR, 26g% WLD, or 13g% WHR+13g% WLD (WTWD) for 12 weeks. The levels of fasting plasma glucose, total cholesterol, triglycerides, insulin resistance, inflammatory cytokines and monocyte adhesion were lower, and the abundances of fecal Lactobacillus gasseri species bacteria and propionic acid were higher in HF+WLD diet-fed mice compared to HF+WHR diet-fed mice (p<0.05). The anti-inflammatory effects of HF+WTWD diet were weaker than that in HF+WLD diet, but were greater than that in HF+WHR diet-fed mice (p<0.05). Relative abundances of fecal Lactobacillus gasseri and propionic acid in HF+WLD fed-mice were higher than that in HF+WHR fed mice. The abundance of fecal L. gasseri and propionic acid negatively correlated with metabolic and inflammatory markers (p<0.05). The findings suggest that WLD dose-dependently attenuated metabolic and inflammatory disorders in HF diet-fed mice. Interactions between WLD components and gut microbiota may upregulate fecal propionic acid and contribute to metabolic and anti-inflammatory benefits of WLD diet-induced insulin resistant 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) | 0,000 | 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 | 0,001 |
| 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 ».