Anti-diabetic rosiglitazone remodels the adipocyte transcriptome by redistributing transcription to PPARγ-driven enhancers
Notice bibliographique
Résumé
Rosiglitazone (rosi) is a powerful insulin sensitizer, but serious toxicities have curtailed its widespread clinical use. Rosi functions as a high-affinity ligand for peroxisome proliferator-activated receptor γ (PPARγ), the adipocyte-predominant nuclear receptor (NR). The classic model, involving binding of ligand to the NR on DNA, explains positive regulation of gene expression, but ligand-dependent repression is not well understood. We addressed this issue by studying the direct effects of rosi on gene transcription using global run-on sequencing (GRO-seq). Rosi-induced changes in gene body transcription were pronounced after 10 min and correlated with steady-state mRNA levels as well as with transcription at nearby enhancers (enhancer RNAs [eRNAs]). Up-regulated eRNAs occurred almost exclusively at PPARγ-binding sites, to which rosi treatment recruited coactivators, including MED1, p300, and CBP. In contrast, transcriptional repression by rosi involved a loss of coactivators from eRNA sites devoid of PPARγ and enriched for other transcription factors, including AP-1 factors and C/EBPs. Thus, rosi activates and represses transcription by fundamentally different mechanisms that could inform the future development of anti-diabetic drugs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».