Novel Acylated Naringin Enhances Propionate Release and Stimulates the Growth of Flavanone-Metabolizing Bacteria in an In Vitro Batch Fermentation Model
Notice bibliographique
Résumé
The increasing prevalence of non-communicable diseases (NCDs) is strongly associated with gut microbiota (GM) imbalances and reduced short-chain fatty acid (SCFA) production, primarily driven by poor diet and microbial dysbiosis. Since SCFAs are crucial for gut health, immune regulation, and inflammation control, restoring their levels is a key therapeutic target. SCFA-acylated naringin derivatives offer a novel approach by enhancing SCFA delivery and modulating GM composition. In this study, we investigated the effects of naringin acetate and naringin propionate on SCFA production using a 24 h short-term in vitro batch fecal fermentation model with microbiota from two donors. Naringin propionate and naringin plus free propionate significantly increased propionate levels by 0.74 mM and 0.75 mM, respectively (p < 0.0001), while naringin acetate induced a smaller increase of 0.26 mM. Donor-specific reflected differences in microbial communities, yet SCFA enhancement was observed across samples. Additionally, naringin treatments stimulated the growth of beneficial polyphenol-metabolizing bacteria, including Bacteroides, Streptococcus, and Eubacterium siraeum. The strong effect of naringin propionate suggests a sustained SCFA release mediated by microbial enzymes. These preliminary results highlight the potential of SCFA-acylated flavonoids as functional dietary components to increase SCFA bioavailability and support gut health, particularly from citrus-derived co-products.
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 ».