La consommation de thé entraîne des changements épigénétiques chez les femmes – ScienceDaily


Les changements épigénétiques sont des modifications chimiques qui éliminent ou éliminent nos gènes. Dans une nouvelle étude de l'Université d'Uppsala, les chercheurs montrent que la consommation de thé chez les femmes conduit à des changements épigénétiques dans les gènes qui sont connus pour interagir avec le cancer et le métabolisme des œstrogènes. Les résultats sont publiés dans la revue Human Molecular Genetics .

Il est bien connu que nos facteurs de l'environnement et du style de vie, tels que les choix alimentaires, le tabagisme et l'exposition aux produits chimiques, peuvent entraîner des changements épigénétiques. Dans l'étude en cours, les chercheurs de l'Université d'Uppsala, en collaboration avec des groupes de recherche autour d'Europe, ont étudié si la consommation de café et de thé peut entraîner des changements épigénétiques. Des études antérieures ont suggéré que le café et le thé jouent un rôle important dans la modulation du risque de maladie chez les humains en supprimant la progression de la tumeur, en diminuant l'inflammation et en influençant le métabolisme des œstrogènes, des mécanismes qui peuvent être médiés par des changements épigénétiques.

Les résultats montrent qu'il y a des changements épigénétiques chez les femmes qui consomment du thé, mais pas chez les hommes. Il est intéressant de noter que beaucoup de ces changements épigénétiques ont été trouvés dans les gènes impliqués dans le cancer et le métabolisme des œstrogènes. "Des études antérieures ont montré que la consommation de thé réduit les niveaux d'œstrogènes, ce qui met en évidence une différence potentielle entre la réponse biologique au thé chez les hommes et les femmes. Les femmes produisent également des quantités plus élevées de thé par rapport aux hommes, ce qui augmente notre pouvoir de trouver une association chez les femmes". Weronica Ek, chercheur au Département d'Immunologie, Génétique …

Lire la suite (en anglais)

Note : Cet article est extrait et traduit automatiquement de flux RSS provenant de différents sites. Etant donné que ce sont des traductions automatiques, la qualité peut aller de l’acceptable au pire. Ces publications automatiques me servent à collecter suffisamment de données pour mes expérimentations avec le Deep Learning et le Framework TensorFlow.

N'oubliez pas de voter pour cet article !
1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (Pas encore de votes)
Loading...

Vous aimerez aussi...

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Font Resize
Contrast
Aller à la barre d’outils