Acylation-stimulating protein increases and correlates with increased progesterone levels during the luteal phase of the menstrual cycle
Notice bibliographique
Résumé
OBJECTIVE: The menstrual cycle represents a continuous state of change in terms of female sex steroid environment. Progesterone is linked to increased fat storage while estrogen exerts anti-lipogenic effects. This study investigated variations in the potent lipogenic factor acylation-stimulating protein (ASP), and examined its association with hormonal and lipid profile alterations across the menstrual cycle. METHODS AND DESIGN: Nineteen non-obese women with regular menstrual cycles were investigated in a longitudinal study during the follicular, ovulatory, and mid-luteal phases (ML) of the cycle. Fasting ASP, LH, FSH, progesterone, estradiol, insulin, lipid profile, and apoproteins were evaluated during different phases of the cycle. RESULTS: ASP levels changed significantly throughout the menstrual cycle (K-related Friedman test: P=0.013). Interestingly, these changes coincide with variations in progesterone levels across the cycle as no significant change in the ASP levels was seen across the follicular phases of the cycle, followed by a significant increase in the ovulatory phase, which continued to elevate toward the ML. The ASP levels correlated positively with the progesterone levels normally elevated in the ML. No significant correlation was seen between ASP and estrogen or any other measured female hormone. Multiple regression analysis including all measured parameters and body mass index showed that progesterone was the only significant predictor of the ASP levels. CONCLUSION: Our findings suggest that during the menstrual cycle of normal women, the ASP levels coincidentally fluctuate with the progesterone levels, possibly reflecting cooperation between them in fat storage enhancement.
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 ».