Lipolytic Products Activate Peroxisome Proliferator-activated Receptor (PPAR) α and δ in Brown Adipocytes to Match Fatty Acid Oxidation with Supply
Notice bibliographique
Résumé
β-Adrenergic receptors (β-ARs) promote brown adipose tissue (BAT) thermogenesis by mobilizing fatty acids and inducing the expression of oxidative genes. β-AR activation increases the expression of oxidative genes by elevating cAMP, but whether lipolytic products can modulate gene expression is not known. This study examined the role that adipose triglyceride lipase (ATGL) and hormone-sensitive lipase (HSL) plays in the induction of gene expression. Activation of brown adipocytes by β-AR agonism or 8-bromo-cyclic AMP increased the expression of PGC1α, PDK4, PPARα, uncoupling protein 1 (UCP1), and neuron-derived orphan receptor-1 (NOR-1), and concurrent inhibition of HSL reduced the induction of PGC1α, PDK4, PPARα, and UCP1 but not NOR-1. Similar results were observed in the BAT of mice following pharmacological or genetic inhibition of HSL and in brown adipocytes with stable knockdown of ATGL. Conversely, treatments that increase endogenous fatty acids elevated the expression of oxidative genes. Pharmacological antagonism and siRNA knockdown indicate that PPARα and PPARδ modulate the induction of oxidative genes by β-AR agonism. Using a live cell fluorescent reporter assay of PPAR activation, we demonstrated that ligands for PPARα and -δ, but not PPARγ, were rapidly generated at the lipid droplet surface and could transcriptionally activate PPARα and -δ. Knockdown of ATGL reduced cAMP-mediated induction of genes involved in fatty acid oxidation and oxidative phosphorylation. Consequently, ATGL knockdown reduced maximal oxidation of fatty acids, but not pyruvate, in response to cAMP stimulation. Overall, the results indicate that lipolytic products can activate PPARα and PPARδ in brown adipocytes, thereby expanding the oxidative capacity to match enhanced fatty acid supply.
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 ».