Dietary Intervention with Resistant Starch-Rich Unripe Plantain Flour Restores Gut Microbiome–Metabolome Axis and Ameliorates Type 2 Diabetes in Rats
Notice bibliographique
Résumé
Plantain (Musa spp., AAB group) possesses a complex triploid genetics originating from interspecific hybridization, which underlies its agronomic traits and nutritional composition, making it a vital global staple food crop. Unripe plantain flour (UPF), a rich source of resistant starch (RS), has demonstrated anti-diabetic properties in diabetic rats, yet its mechanisms of action remain unclear. This study investigated whether unripe plantain flour attenuates type 2 diabetic traits in rats made diabetic with a high-fat diet plus streptozotocin through regulation of the gut microbiome–metabolome axis, including short-chain fatty acids and bile acids. We found that UPF intervention significantly ameliorated gut microbiota dysbiosis. It enriched beneficial bacteria, particularly SCFA producers (Lachnoclostridium, Blautia, Butyricicoccus) and others (Bifidobacterium, Akkermansia), while inhibiting harmful genera (Romboutsia, Allobaculum). Consequently, UPF altered bile-acid composition by lowering hydrophobic species (e.g., cholic acid and deoxycholic acid) while elevating hydrophilic species (e.g., ursodeoxycholic acid and tauroursodeoxycholic acid). It also enhanced the excretion of secondary bile acids (lithocholic acid). These coordinated changes in the gut ecosystem are conducive to improved glycolipid metabolism. Spearman correlation analysis further reinforced the close relationships between the altered microbiota and metabolites. Our results elucidate that UPF exerts its anti-diabetic effects by remodeling the gut microbiota and modulating its associated metabolites, highlighting a novel dietary intervention strategy for diabetes management.
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 | 0,001 |
| 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 ».