Eicosapentaenoic Acid and Rosiglitazone Increase Adiponectin in an Additive and PPARγ‐Dependent Manner in Human Adipocytes
Notice bibliographique
Résumé
Adiponectin, an anti-inflammatory and insulin-sensitizing protein secreted from adipose tissue, may be modulated by dietary fatty acids, although the mechanism is not fully known. Our objective was to investigate the effect of long-chain n-3 polyunsaturated fatty acids (PUFAs) on adiponectin in cultured human adipocytes, and to elucidate the role of peroxisome proliferator-activated receptor-γ (PPARγ) in this regulation. Isolated human adipocytes were cultured for 48 h with 100 µmol/l eicosapentaenoic acid (C20:5n-3, EPA), docosahexaenoic acid (C22:6n-3, DHA), palmitic acid (C16:0), 100 µmol/l EPA plus 100 µmol/l DHA, or bovine serum albumin (control). Additionally, adipocytes were treated for 48 h with a PPARγ antagonist (BADGE) or agonist (rosiglitazone) in isolation or in conjunction with either EPA or DHA. At 48 h, EPA and DHA increased (P < 0.05) adiponectin secretion by 88 and 47%, respectively, while EPA, but not DHA, also increased (136%, P < 0.001) cellular adiponectin protein. Interestingly, PPARγ antagonism completely abolished the DHA-mediated increase in secreted adiponectin, but only partially attenuated the EPA-mediated response. Thus, EPA's effects on adiponectin do not appear to be entirely PPARγ mediated. Rosiglitazone increased (P < 0.001) the secreted and cellular adiponectin protein (90 and 582%, respectively). Finally, the effects of EPA and rosiglitazone on adiponectin secretion were additive (+230% at 48 h combined, compared to 121 and 124% by EPA or rosiglitazone alone, respectively). Overall, our findings emphasize the therapeutic importance of long-chain n-3 PUFA alone, or in combination with a PPARγ agonist, as a stimulator of adiponectin, a key adipokine involved in obesity and related diseases.
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 ».