A Multi-Ingredient Supplement Improves Body Re-Composition, Ovarian Aging Markers, and Reproductive Success in Young and Middle-Aged Female Mice
Notice bibliographique
Résumé
Ovarian aging is characterized by mitochondrial dysfunction, oxidative stress, and inflammation. The development of adjunctive treatments that mitigate age-related subfertility is warranted. We examined the benefits of nutraceutical supplementation (FE; Fertility Enhancer) with mitochondrial antioxidants, anti-inflammatory agents, metabolic activators, vitamins and minerals, and amino acids on ovarian aging, metabolic activity, and reproductive success in young (Y; 6-month-old) and middle-aged (O; 11-month-old) female C57BL/6J mice. The mice were fed calorie- and macronutrient-matched diets w/wo the FE supplement for three months and harem mated twice. Daily FE supplementation promoted significant body re-composition, including loss of white adipose tissue (gWAT: −36% vs. CON, p < 0.001), gain of skeletal muscle (SkM: +67% vs. CON, p < 0.001), and improved SkM/gWAT ratio (+185% vs. CON, p < 0.001). Metabolic testing showed enhanced fat oxidation (+38%, p < 0.01) and energy expenditure (+7%, p = 0.051) in FE mice. Breeding and immunoblotting data demonstrated improved reproductive success (Y-CON: 44%, Y-FE: 89%, O-CON: 0%, O-FE: 18%) and a modest attenuation of ovarian aging markers in both FE groups. We surmise that a multi-ingredient supplement, such as the Fertility Enhancer, may improve body re-composition, metabolic activity, and markers of ovarian aging, thus enhancing reproductive health and fertility in females.
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 ».