Az esszenciális aminosavakban hiányos fehérjeforrások biomarkereinek azonosítása
Klinikai táplálkozás és anyagcsere
Add hozzá Mendeley-hez
Fegyelmezett
Kísérleti/sejtes és molekuláris mechanizmusok
Bevezetés és a tanulmány célja
Az étkezési fehérjeforrások minősége különösen érzékeny kérdéssé vált az állati és növényi étrendi források egyensúlyának helyreállításáról folyó jelenlegi viták során. A fehérje a túlélés elengedhetetlen élelmiszer-összetevője, amely nitrogént és aminosavakat (AA) szolgáltat, különösen a kilenc esszenciális aminosavat (AAI). Ezenkívül az AAI-k közül a lizint és a treonint szigorúan elengedhetetlennek tartják, mivel nem vesznek részt a transzaminációs folyamatban. A fehérje azon képessége, hogy megfeleljen az AAI táplálkozási szükségleteinek, az alapja az étrendi fehérjeforrások minőségének értékelésében. A tanulmány célja a lizin- és treoninhiányos gluténalapú étrendek hatásának jellemzése a növekvő patkányok anyagcseréjében, valamint ezen étrendek biomarkereinek azonosítása volt. A hipotézis szerint az AAI hiánya más AA-k enzimatikus katabolizációs rendszereinek aktiválásához vezet, ezeknek a lebomlásoknak a biológiai folyadékokban detektálható specifikus metabolitjait termeli, és valószínűleg az ilyen étrendek biomarkereit képviselik.
Anyag és módszerek
A növekvő patkányokat 3 hétig gluténalapú étrendet etették treoninnal és 70% lizinhiánnyal kiegészítve, gluténalapú étrendet lizinnel és 47% treoninhiánnyal kiegészítve, lizinnel és treoninnal kiegészített glutén alapú étrendet, amely a minden AA-ra vonatkozó követelmények, valamint az összes AA-ra vonatkozó követelmények 100% -át kitevő tejfehérjére épülő kontroll étrend (APAFiS # 5497). A súlyt és a táplálékfelvételt naponta mérték. A kísérlet végén a szöveteket és a biológiai folyadékokat eltávolítottuk. Elemeztük a testösszetételt, elvégeztük a fehérje és a lipid anyagcserében szerepet játszó gének expressziós mérését, és a vizelet metabolomját LC-MS-sel elemeztük. A statisztikai elemzést varianciaanalízissel és a metabolomák elemzésével, független komponensek diszkrimináns elemzésével (IC-DA) végeztük.