Skeletal muscle inflammation is not responsible for the rapid impairment in adiponectin response with high-fat feeding in rats
Notice bibliographique
Résumé
Adiponectin (Ad) is an insulin-sensitizing adipokine known to stimulate fatty acid (FA) oxidation in skeletal muscle. Skeletal muscle can become resistant to Ad very rapidly, after only 3 days of high saturated fat feeding in rats. Whether the same occurs following a high polyunsaturated fat diet is unknown. Obesity, insulin resistance, and hyperlipidemia are recognized as low-grade inflammatory diseases; therefore, we hypothesized that high-fat feeding induces inflammation, which interferes with Ad action at skeletal muscle. To this end, rats were placed into one of three dietary groups, control (CON, 10% kcal from fat), high saturated (SAT), or high polyunsaturated (PUFA) fat (60% kcal from fat) for 3 days to determine whether Ad resistance develops. Half of the animals from each group were further supplemented with aspirin, a common anti-inflammatory drug. Ad stimulated FA metabolism, Ad signaling intermediates [AdipoR1, APPL1, LKB1, AMPK, and acetyl-CoA carboxylase (ACC)], and inflammatory proteins [Toll-like receptor (TLR4), IKK alpha/beta, IkappaB alpha, NF-kappaB, suppressor of cytokine signaling-3 (SOCS3), and JNK] were measured in soleus muscle. Three days of SAT feeding induced Ad resistance in soleus muscle, assessed as an inability of Ad to phosphorylate ACC and increase FA oxidation. In PUFA-fed animals, Ad-stimulated FA oxidation and ACC phosphorylation to the same degree as CON animals (FA oxidation: +35%, +41%; pACC +29%, +19%; CON, PUFA, P < 0.05). However, neither SAT nor PUFA feeding for 3 days induced skeletal muscle inflammation. Surprisingly, aspirin prevented Ad-stimulated increases in FA oxidation. In conclusion, FA type is critical in the development of Ad resistance, but this does not appear to be mediated by inflammation.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».