Transcriptomic Characterization of the Long‐term Dihydrotestosterone Effects in Adipose Tissue
Notice bibliographique
Résumé
OBJECTIVE: To study the long-term transcriptomic effects of dihydrotestosterone (DHT) in adipose tissue. Fat distribution is regulated by sexual hormones. It is still unclear if androgens are promoting or reducing intra-abdominal fat accumulation. RESEARCH METHODS AND PROCEDURES: Retroperitoneal adipose tissue were isolated from each group of gonadectomized (GDX) C57BL6 male mice treated with vehicle or DHT for 21 days. Serial analysis of gene expression (SAGE) was performed to generate approximately 150,000 SAGE tags from each sample. RESULTS: Among the numerous genes regulated by DHT, transcripts involved in glycolysis, such as aldolase 1 A isoform and pyruvate kinase muscle as well as lipogenic transcripts, such as malic enzyme supernatant and ELOVL family member 6 elongation of long chain fatty acids were down-regulated by androgen supplementation. In contrast, transcripts involved in lipolysis and fatty acid oxidation, such as carboxylesterase 3, acetyl-coenzyme A acyltransferase 1, 3-ketoacyl-CoA thiolase B and enoyl-coenzyme A hydratase/3-hydroxyacyl coenzyme A dehydrogenase were up-regulated by DHT. Pro-apoptotic transcripts such as cell death-inducing DFFA-like effector c, BCL2/adenovirus E1B 19 kDa-interacting protein 1 NIP3 and -interacting protein 3-like were up-regulated by DHT, whereas transcripts involved in promotion of cell cycle such as cyclin D2 were down-regulated by DHT. DISCUSSION: These results suggest that chronic androgen treatment may help to improve metabolic profile by regulating various critical pathways involved in adipose tissue physiology. In addition, several genes associated with a healthier metabolic profile, such as adiponectin and CD36 antigen, were up-regulated by 21 days of DHT treatment.
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 ».