New model for kinetic studies of HDL metabolism in humans
Notice bibliographique
Résumé
BACKGROUND: The aim of the study was to develop a new model for kinetic studies of Apolipoprotein A-I of HDL (Apo A-I-HDL) labelled with stable isotope by using HDL subclasses isolated with fast protein liquid chromatography (FPLC). MATERIALS AND METHODS: Apo A-I-HDL kinetics were studied by infusing [5.5.5-(2)H(3)]-leucine for 14 h in six healthy subjects. Prebeta(1) and alphaHDL were separated by FPLC and total HDL by ultracentrifugation (HDL-UC). RESULTS: The tracer-to-tracee ratios were higher in prebeta(1) HDL than in HDL-UC or alphaHDL. Leucine enrichments found in HDL-UC were higher compared with alphaHDL, suggesting that HDL-UC were composed of a mixture of Apo A-I-alphaHDL and Apo A-I-prebeta(1) HDL. Kinetic analysis of data obtained from FPLC was achieved using a multicompartmental model, including a conversion between prebeta(1) and alphaHDL compartments. The production rate of prebeta(1) HDL was 7.72 +/- 2.86 mg kg(-1) d(-1) (mean +/- SD). Prebeta(1) HDL were converted to alphaHDL at a rate of 96.24 +/- 42.99 pool d(-1), and the synthesis rate of prebeta(1) HDL from alphaHDL was 10-fold slower: 7.09 +/- 4.51 pool d(-1). Apo A-I-FCR of HDL-UC was estimated using a one-compartment model (0.165 +/- 0.074 pool d(-1)), and was higher but not significantly compared with FCR of Apo A-I-alphaHDL (0.112 +/- 0.026 pool d(-1)) calculated with the new model. CONCLUSIONS: This study reports for the first time a model involving enrichments of Apo A-I in prebeta(1) and alphaHDL which allowed the measure of Apo A-I cycling within HDL fraction and will aid better understanding of kinetics of HDL in humans.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».