Low density lipoprotein delays clearance of triglyceride-rich lipoprotein by human subcutaneous adipose tissue
Notice bibliographique
Résumé
Delayed clearance of triglyceride-rich lipoprotein (TRL) by white adipose tissue (WAT) promotes hypertriglyceridemia and elevated apoB-lipoproteins, which are primarily in the form of LDL. This study examines whether LDL promotes delayed clearance of TRL by WAT. Following the ingestion of a (13)C-triolein-labeled high-fat meal, obese women with high plasma apoB (> median 0.93 g/l, N = 11, > 98% as IDL/LDL) had delayed clearance of postprandial (13)C-triglyceride and (13)C-NEFA over 6 h compared with controls. AUC6 h of plasma (13)C-triglyceride and (13)C-NEFA correlated with plasma apoB but not with LDL diameter or adipocyte area. There was no group difference in (13)C-triolein oxidation rate, which suggests lower (13)C-NEFA storage in peripheral tissue in women with high apoB. Ex vivo/in vitro plasma apoB correlated negatively with WAT (3)H-lipid following a 4 h incubation of women's WAT with synthetic (3)H-triolein-TRL. LDL-differentiated 3T3-L1 adipocytes had lower (3)H-TRL hydrolysis and (3)H-NEFA storage. Treatment of women's WAT with their own LDL decreased (3)H-TRL hydrolysis and (3)H-NEFA uptake. Finally, LDL, although not an LPL substrate, reduced LPL-mediated (3)H-TRL hydrolysis as did VLDL and HDL. Exposure to LDL decreases TRL clearance by human WAT ex vivo. This may promote production of apoB-lipoproteins and hypertriglyceridemia through a positive-feedback mechanism in vivo.
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) | 0,000 | 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) | 0,001 | 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 ».