Arachidonic acid has a dominant effect to regulate lipogenic genes in 3T3-L1 adipocytes compared to omega-3 fatty acids
Notice bibliographique
Résumé
BACKGROUND: The effects of long-chain n-3 and n-6 polyunsaturated fatty acids (PUFA) on the regulation of adipocytes metabolism are well known. These fatty acids are generally consumed together in our diets; however, the metabolic regulation of adipocytes in the presence of these fatty acids when given together is not known. OBJECTIVE: To investigate the effects of n-3 PUFA and arachidonic acid (AA), an n-6 PUFA, on the regulation of adipogenic and lipogenic genes in mature 3T3-L1 adipocytes. METHODS: 3T3-L1 adipocytes were incubated in the presence or absence of 100 µM of eicosapentaenoic acid, EPA; docosahexaenoic acid, DHA; docosapentaenoic acid, DPA and AA, either alone or AA+n-3 PUFA; control cells received bovine serum albumin alone. The mRNA expression of adipogenic and lipogenic genes was measured. The fatty acid composition of adipocytes was analyzed using gas chromatography. RESULTS: Individual n-3 PUFA or AA had no effect on the mRNA expression of peroxisome-proliferator-activated receptor-γ; however, AA+EPA and AA+DPA significantly increased (P<0.05) the expression compared to control cells (38 and 42%, respectively). AA and AA+EPA increased the mRNA expression of acetyl-CoA carboxylase 1 (P<0.05). AA treatment decreased the mRNA expression of stearoyl-CoA desaturase (SCD1) (P<0.01), while n-3 PUFA, except EPA, had no effect compared to control cells. AA+DHA and AA+DPA inhibited SCD1 gene expression (P<0.05) suggesting a dominant effect of AA. Fatty acids analysis of adipocytes revealed a higher accretion of AA compared to n-3 PUFA. CONCLUSIONS: Our findings reveal that AA has a dominant effect on the regulation of lipogenic genes in adipocytes.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».