Ancient Grains as Functional Foods: Integrating Traditional Knowledge with Contemporary Nutritional Science
Notice bibliographique
Résumé
Ancient grains, including wild rice, millet, fonio, teff, quinoa, amaranth, and sorghum, are re-emerging as vital components of modern diets due to their dense nutritional profiles and diverse health-promoting bioactive compounds. Rich in high-quality proteins, dietary fiber, essential micronutrients, and a broad spectrum of bioactive compounds such as phenolic acids, flavonoids, carotenoids, phytosterols, and betalains, these grains exhibit antioxidant, anti-inflammatory, antidiabetic, cardioprotective, and immunomodulatory properties. Their health-promoting effects are underpinned by multiple interconnected mechanisms, including the reduction in oxidative stress, modulation of inflammatory pathways, regulation of glucose and lipid metabolism, support for mitochondrial function, and enhancement of gut microbiota composition. This review provides a comprehensive synthesis of the essential nutrients, phytochemicals, and functional properties of ancient grains, with particular emphasis on the nutritional and molecular mechanisms through which they contribute to the prevention and management of chronic diseases such as cardiovascular disease, type 2 diabetes, obesity, and metabolic syndrome. Additionally, it highlights the growing application of ancient grains in functional foods and nutrition-sensitive dietary strategies, alongside the technological, agronomic, and consumer-related challenges limiting their broader adoption. Future research priorities include well-designed human clinical trials, standardization of compositional data, innovations in processing for nutrient retention, and sustainable cultivation to fully harness the health, environmental, and cultural benefits of ancient grains within global food systems.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».