Effects of PPAR-γ Knock-down and Hyperglycemia on Insulin Signaling in Vascular Smooth Muscle Cells From Hypertensive Rats
Notice bibliographique
Résumé
Peroxisome proliferator-activated receptor (PPAR)-gamma, a target in the treatment of diabetes, improves insulin sensitivity and exerts cardiovascular protective effects by mechanisms that are not completely elucidated. To investigate underlying molecular mechanisms responsible for PPAR-gamma-associated vascular insulin signaling in hypertension, we tested whether PPAR-gamma downregulation in vascular smooth muscle cells (VSMC) from WKY and SHRSP rats would decrease insulin signaling and glucose uptake and whether this response would be worsened by hyperglycemia to a greater extent in VSMC of hypertensive origin. Passaged mesenteric artery VSMC grown in euglycemic (5.5 mmol/L) or hyperglycemic media (25.0 mmol/L) were treated with PPAR-gamma-siRNA (5 nmol/L), PPAR-gamma antagonist (GW-9662, 10 micromol/L), or PPAR-gamma activator (rosiglitazone, 10 micromol/L) in the presence or absence of insulin (100 nmol/L). Immunoblotting revealed that hyperglycemia and PPAR-gamma inhibition significantly (P < 0.001) decreased insulin-stimulated insulin receptor (IR)-beta, Akt, and glycogen synthase kinase (GSK)-3beta phosphorylation, whereas phosphotyrosine phosphatase (PTP)-1B expression was increased in VSMC from both strains. These effects were more pronounced in SHRSP under hyperglycemia. Rosiglitazone tended to increase insulin-mediated IR-beta, Akt, and GSK-3beta phosphorylation in VSMC from both strains, whereas insulin-induced PTP-1B expression was reduced by hyperglycemia. Insulin-stimulated GLUT-4 expression and glucose transport were attenuated by hyperglycemia in both VSMC. These data suggest that PPAR-gamma inhibition results in decreased insulin signaling, particularly in SHR, in an IR-beta phosphorylation-dependent manner.
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 | 0,001 | 0,000 |
| 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 ».