Plasma and fecal bioactive mediators in relation to the prevention of atherogenesis in LDL-r-KO mice: insights from an African staple food
Notice bibliographique
Résumé
Our previous study revealed a significant anti-atherosclerotic effect of Kgengwe seed powder (KSP) in low-density lipoprotein receptor knockout (LDL-r-KO) mice. The importance of various lipid and protein metabolites, including certain amino acids and fatty acids on atherogenesis has been well established. Thus, we used plasma and fecal samples from our previous study to further study the association of such metabolites with atherosclerotic lesion development. Male LDL-r-KO mice were provided with an atherogenic diet supplemented with (treated, n = 10) or without (controls, n = 10) 10% ( w/ w) KSP for 20 weeks. The treated group showed significantly ( P < 0.05) higher plasma levels of many amino acids plus propionic acid, indoleacetic acid, pyruvic acid, beta-hydroxybutyric acid, alpha-ketoglutaric acid, trimethylamine N-oxide, LYSOC16:0, LYSOC18:0, and LYSOC18:2, as compared with those of the control group. Similarly, several oxylipins, including 15-keto prostaglandin E2, 9,10,13-trihydroxy-octadecenoic acid, 9,10-epoxy-octadecenoic acid, and 12,13-epoxy-octadecenoic acid increased by approximately 2.0 log2 folds ( P < 0.05) in the plasma of the treated group. Other oxylipins, including 15,16-epoxy-octadecadieonic acid, 13-hydroxy-octadecadienoic acid, and prostaglandin E2 showed also an increased level, but to a lesser extent. Furthermore, our findings showed a significant positive correlation between plasma concentrations of prostaglandin E2 and IL-10 in the treated mice. We also observed a significant negative association between atherosclerotic lesion size and plasma levels of citrulline, lysine, alpha-ketoglutaric acid, and 15,16 epoxy-octadecadienoic acid. Additional in vitro and in vivo studies are needed to explore the mechanisms of such associations.
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 | 0,000 |
| 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 | 0,001 | 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 ».