MétaCan
Menu
Retour à la cohorte
Enregistrement W2037261891 · doi:10.1371/journal.pcbi.1002116

In Silico Evidence for Gluconeogenesis from Fatty Acids in Humans

2011· article· en· W2037261891 sur OpenAlexaboutno aff
Christoph Kaleta, Luís F. de Figueiredo, Sarah Werner, Reinhard Guthke, Michael Ristow, Stefan Schuster

Notice bibliographique

RevuePLoS Computational Biology · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaBundesministerium für Bildung und ForschungDeutsche Forschungsgemeinschaft
Mots-clésGluconeogenesisBiologyBiochemistryFlux (metallurgy)In silicoCarbohydrateMetabolic pathwayCarbohydrate metabolismGlycolysisMetabolismChemistryGene

Résumé

récupéré en direct d'OpenAlex

The question whether fatty acids can be converted into glucose in humans has a long standing tradition in biochemistry, and the expected answer is "No". Using recent advances in Systems Biology in the form of large-scale metabolic reconstructions, we reassessed this question by performing a global investigation of a genome-scale human metabolic network, which had been reconstructed on the basis of experimental results. By elementary flux pattern analysis, we found numerous pathways on which gluconeogenesis from fatty acids is feasible in humans. On these pathways, four moles of acetyl-CoA are converted into one mole of glucose and two moles of CO₂. Analyzing the detected pathways in detail we found that their energetic requirements potentially limit their capacity. This study has many other biochemical implications: effect of starvation, sports physiology, practically carbohydrate-free diets of inuit, as well as survival of hibernating animals and embryos of egg-laying animals. Moreover, the energetic loss associated to the usage of gluconeogenesis from fatty acids can help explain the efficiency of carbohydrate reduced and ketogenic diets such as the Atkins diet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,287
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207