MétaCan
Menu
Retour à la cohorte
Enregistrement W6959462566 · doi:10.11575/prism/5028

Mitigating arsenic toxicity through dietary selenium and biofortified lentils

2012· other· en· W6959462566 sur OpenAlexaboutno aff

Notice bibliographique

RevuePRISM (University of Calgary) · 2012
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésToxicityArsenicSeleniumArsenic toxicityMicronutrientAntioxidantGlutathioneExcretionBioavailability

Résumé

récupéré en direct d'OpenAlex

Arsenic (As) toxicity causes senous health problems in humans. Selenium (Se), an important micronutrient and antioxidant acts as an antagonist of arsenic (As). Selenium is seriously deficient in Southeast Asian soils, but has good levels in Saskatchewan (SK) soils. We evaluated two kinds of Se manipulated diets in counteracting As toxicity in rats evident through liver damage (peroxidative stress), immunotoxicity (antibody response), depleted glutathione levels, as well as increased As residues in tissue (liver, kidney, whole blood) and excreta (urine, feces). For both studies, higher Se diets (rodent chow and lentil-based feed) resulted in higher glutathione (GSH), lower lipid peroxidative damage, recovered antibody response, higher fecal As excretion and lower renal As residues. These findings support the hypothesis that As toxicity is decreased through naturally high Se lentil diets as well as Se fortified rodent chow by reducing the As induced damage and eliminating As from the body.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,200
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetRice Cultivation and Yield ImprovementTravaux en français237 207