Angiotensin type 1 receptor antagonists induce human in-vitro adipogenesis through peroxisome proliferator-activated receptor-γ activation
Notice bibliographique
Résumé
OBJECTIVE: In clonal animal cells, certain angiotensin receptor blockers (ARB) activate the peroxisome proliferator-activated receptor-gamma (PPARgamma). The aim of this work was to validate that observation in human cells and humans. METHODS: We investigated the induction of in-vitro adipogenesis and the activation of PPARgamma-target genes, adiponectin and lipoprotein lipase, by ARB in human preadipocytes. We also studied PPARgamma response-element-driven luciferase reporter gene activation in human adipocytes. Finally, we treated 14 obese men for 10 days with placebo crossed over with 150 mg/day irbesartan. Subcutaneous fat was analyzed for mRNA expression of adiponectin and lipoprotein lipase. RESULTS: Telmisartan and irbesartan, and to a lesser degree losartan, induced adipogenesis and activated PPARgamma-target genes. This stimulation of PPARgamma-target genes was prevented by the PPARgamma antagonist GW9662. Eprosartan had no effect. Paradoxically, all ARB activated the luciferase reporter gene. PPARgamma activity increased approximately two-fold with pioglitazone and 1.5-fold with the ARB in all assays. In the cross-over clinical study, irbesartan lowered blood pressure but had no effect on adiponectin or lipoprotein lipase mRNA expression. CONCLUSIONS: Our data are the first to show that ARB induce adipogenesis and PPARgamma-target gene expression in human adipocytes. Pharmacokinetic differences may contribute to the heterogeneous effects on metabolism and preadipocyte differentiation. In humans, larger doses of ARB, longer treatments, or both may be required to activate PPARgamma in adipose cells.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».