Influence of obesity and insulin sensitivity on insulin signaling genes in human omental and subcutaneous adipose tissue
Notice bibliographique
Résumé
Obesity and insulin resistance are independent risk factors for metabolic syndrome, diabetes, and cardiovascular disease. Adipose tissue samples from nonobese (NO), insulin-sensitive obese (ISO), and insulin-resistant obese (IRO) subjects from subcutaneous (SC) and omental (OM) adipose tissue (n = 28) were analyzed by microarray and confirmed by real-time PCR. Insulin signaling gene expression changes were greater in OM than in SC tissue and were related to insulin resistance rather than to obesity; few genes correlated with body mass index. Insulin receptor and insulin receptor substrate 1 (IRS-1) increased in the IRO versus pooled insulin-sensitive (NO+ISO) subjects. In glucose transport, PI3Kalpha and PDK2 decreased in IRO subjects, whereas PI3Kgamma, Akt2, GLUT4, and GLUT1 increased. IRS-1 regulators Jnk and IKK increased in IRO (P < 0.01 and P < 0.001 respectively). In protein synthesis, most genes examined were downregulated in IRO subjects, including mTor, Rheb, and 4EBP and eIF members (all P < 0.05). In proliferation, SHC, SOS, and Raf1 (P < 0.05) were increased, whereas Ras and MEK1/2 kinase 1 (P < 0.05) were decreased, in IRO subjects. Finally, in differentiation, PPARgamma, CEBPalpha, and CEBPbeta decreased, whereas PPARdelta, CEBPgamma, and CEBPepsilon increased, in IRO subjects (P < 0.05). Together, microarray and real-time PCR data demonstrate that insulin resistance rather than obesity is associated with altered gene expression of insulin signaling genes, especially in OM adipose tissue.
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 | 0,003 | 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 ».