Application of DNA Microarrays in the Study of Human Obesity and Type 2 Diabetes
Notice bibliographique
Résumé
DNA microarrays have provided medical researchers with a powerful tool to study the mechanisms of complex diseases, including obesity and type 2 diabetes (T2D). The technology has been used to dissect virtually every aspect of the genetic and molecular basis of these two diseases. Gene expression profiling is the major application of DNA microarrays so far. Subcutaneous fat, visceral fat, adipocyte and preadipocyte, muscle, liver, pancreas and specific nuclei in the hypothalamus under normal and disease conditions are used in addressing the profile of gene expression in obesity and T2D. Comparisons of fat depots in humans and animal models - including ob/ob and db/db mice, diet-induced obese mice, fa/fa Zucker rats, gene knockout (plin (-/-), GLUT4 (-/-)) and transgenic mice (GLUT4-Tg) - have been employed in microarray experiments. The effects of various interventions, such as hormonal and drug treatments, exercise, and surgery, have been studied to determine the expression profile of different developmental stages in cells and the effect of treatment on the two diseases. In this review, the application of microarrays in elucidating the role of retinol binding protein 4 as a link between obesity and T2D is discussed. The possible role in obesity of a common genetic variant near the INSIG2 gene and the discovery of the BBS9 gene are also discussed. The problems and challenges are summarized under eight categories and suggestions for the future direction of research in this area are proposed.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».