Proteomic, metabolomic and lipidomic approaches to unravel the roles of polyunsaturated fatty acid nutrition in the developing liver
Notice bibliographique
Résumé
Polyunsaturated fatty acids (PUFA) regulate metabolism in adult liver; PUFA accumulation in fetal and infant liver depends on diet. We used combined proteomics, metabolomics and lipidomics to address whether PUFA nutrition impacts metabolic development in neonatal rat liver. Rats were fed as % energy, 3.9% 18:2n‐6 and 1.5% 18:3n‐3 (high PUFA), or 1 % 18:2n‐6 and <0.1% 18:3n‐3 (low PUFA) in gestation and lactation. On day 3 postnatal, lipidomics using HPLC and GLC showed lower n‐3/n‐6 PUFA, but no difference in lipid classes in low compared to high PUFA offspring. Liver proteins were resolved on 2D gels, resolving over 800 proteins. PDQuest analysis showed 24 proteins up‐regulated and 1 down‐regulated over 3 fold in the high compared to low PUFA group, and these were identified by MALDI‐TOF MS. Up‐regulated proteins included F‐1,6‐biphosphatase 1, G‐3‐P dehydrogenase, galactokinase 1, catalase and 60 kDa heat shock protein, with argininosuccinate synthase down‐regulated. GC‐MS profiling of small molecules in liver extracts, with principal component analysis to address changes in flux through metabolic pathways showed higher gluconeogenic amino acids in the high PUFA group. Finally, integration of results from the proteomic and metabolomic analyses into metabolic pathways shows that maternal lipid nutrition impacts pathways of gluconeogenesis and oxidative stress in developing liver. Funded by CIHR Grant Funding Source Michael Smith Fdn Health Research Studentship
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».