Peroxisome-Proliferator Receptor γ Represses Hepatic Sex Hormone-Binding Globulin Expression
Notice bibliographique
Résumé
Plasma SHBG production by the liver is influenced by its metabolic state, and hepatocyte nuclear factor-4alpha regulates SHBG expression in response to changes in lipogenesis. Peroxisome-proliferator receptors (PPARs) also regulate glucose homeostasis and fatty acid metabolism. The human SHBG promoter contains a PPAR-response element (PPAR-RE), and plasma SHBG levels increase in polycystic ovarian syndrome patients treated with the PPARgamma agonist, rosiglitazone. In addition, plasma SHBG levels are associated with a genetic polymorphism in the PPARgamma-2 coding sequence that alters its transcriptional activity. Therefore, we set out to determine whether PPARgamma influences hepatic production of SHBG by using human HepG2 hepatoblastoma cells as an in vitro model. Surprisingly, treatment of HepG2 cells with rosiglitazone reduced SHBG production and SHBG promoter activity (as assessed in a luciferase reporter gene assay) by 20-25%, whereas the PPARgamma antagonist, GW9662, increased both by 2- to 3-fold. The effects of PPARgamma agonists and antagonists on SHBG promoter activity were substantially diminished when the PPAR-RE in the SHBG promoter was mutated. A PPARgamma small interfering RNA also increased SHBG production by HepG2 cells as well as SHBG promoter activity, and the latter was accentuated by cotreatment with GW9662. Importantly, overexpression of a PPARgamma-2 Pro12 variant in HepG2 cells was more effective at reducing SHBG promoter activity, when compared with PPARgamma-2 Ala12, consistent with its superior PPAR-RE binding activity. We conclude that PPARgamma represses human SHBG expression in liver cells, and that differences in PPARgamma levels and activity contribute directly to variations in plasma SHBG levels.
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) | 0,001 | 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 ».