Persistent organic pollutants meet adipose tissue hypoxia: does cross‐talk contribute to inflammation during obesity?
Notice bibliographique
Résumé
Lipophilic persistent organic pollutants (POPs) accumulate in lipid-rich tissues such as human adipose tissue. This is particularly problematic in individuals with excess adiposity, a physiological state that may be additionally characterized by local adipose tissue hypoxia. Hypoxic patches occur when oxygen diffusion is insufficient to reach all hypertrophic adipocytes. POPs and hypoxia independently contribute to the development of adipose tissue-specific and systemic inflammation often associated with obesity. Inflammation is induced by increased proinflammatory mediators such as tumour necrosis factor-alpha, interleukin-6, and monocyte chemotactic protein-1, as well as reduced adiponectin release, an anti-inflammatory and insulin-sensitizing adipokine. The aryl hydrocarbon receptor (AhR) mediates the cellular response to some pollutants, while hypoxia responses occur through the oxygen-sensitive transcription factor hypoxia-inducible factor (HIF)-1. There is some overlap between the two signalling pathways since both require a common subunit called the AhR nuclear translocator. As such, it is unclear how adipocytes respond to simultaneous POP and hypoxia exposure. This brief review explores the independent contribution of POPs and adipose tissue hypoxia as factors underlying the inflammatory response from adipocytes during obesity. It also highlights that the combined effect of POPs and hypoxia through the AhR and HIF-1 signalling pathways remains to be tested.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».