Combined effects of EFA deficiency and tumor necrosis factor‐α on circulating lipoproteins in rats
Notice bibliographique
Résumé
Both tumor necrosis factor-alpha (TNF-alpha) and EFA deficiency (EFAD) have been established as causes of marked perturbations in lipid and lipoprotein metabolism. Excessive levels of circulating TNF-alpha can coexist with EFAD in various clinical disorders such as cystic fibrosis and type I diabetes. The present study therefore aimed to investigate their combined effects on lipid profile and lipoprotein composition by administering TNF-alpha to EFAD rats. Lipoprotein lipase (LPL), the rate-limiting enzyme in TG catabolism, was also measured in epididymal adipose tissue. EFAD, after a 4-wk period, induced significant increases in plasma TG (80%, P < 0.001), total cholesterol (TC, 27%, P < 0.025), and HDL-cholesterol (HDL-C, 62%). Two hours after the administration of TNF-alpha, a further rise in TG (43%, P < 0.05) was noted in controls, but not EFAD animals. TC and HDL-C were unaffected by TNF-alpha treatment. In addition, TNF-alpha modified lipoprotein-lipid composition. VLDL and HDL2 derived from EFAD rats were depleted in apolipoprotein (apo) E and apo A-II, and enriched in apo A-I 2 h after TNF-alpha administration. Finally, TNF-alpha decreased adipose tissue LPL activity in both control and EFAD animals. The TNF-alpha-induced inhibition was more marked in EFAD rats. The present results demonstrated that TNF-alpha can amplify or antagonize the effects of EFAD on lipid profile, lipoprotein composition, and LPL activity. These data also suggest that the host's nutritional status is a determining factor for the modulating effect of TNF-alpha on lipid metabolism.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».