Cleavage of Protein Kinase D After Acute Hypoinsulinemia Prevents Excessive Lipoprotein Lipase–Mediated Cardiac Triglyceride Accumulation
Notice bibliographique
Résumé
OBJECTIVE: During hypoinsulinemia, when cardiac glucose utilization is impaired, the heart rapidly adapts to using more fatty acids. One means by which this is achieved is through lipoprotein lipase (LPL). We determined the mechanisms by which the heart regulates LPL after acute hypoinsulinemia. RESEARCH DESIGN AND METHODS: We used two different doses of streptozocin (55 [D-55] and 100 [D-100] mg/kg) to induce moderate and severe hypoinsulinemia, respectively, in rats. Isolated cardiomyocytes were also used for transfection or silencing of protein kinase D (PKD) and caspase-3. RESULTS: There was substantial increase in LPL in D-55 hearts, an effect that was absent in severely hypoinsulinemic D-100 animals. Measurement of PKD, a key element involved in increasing LPL, revealed that only D-100 hearts showed an increase in proteolysis of PKD, an effect that required activation of caspase-3 together with loss of 14-3-3zeta, a binding protein that protects enzymes against degradation. In vitro, phosphomimetic PKD colocalized with LPL in the trans-golgi. PKD, when mutated to prevent its cleavage by caspase-3 and silencing of caspase-3, was able to increase LPL activity. Using a caspase inhibitor (Z-DEVD) in D-100 animals, we effectively lowered caspase-3 activity, prevented PKD cleavage, and increased LPL vesicle formation and translocation to the vascular lumen. This increase in cardiac luminal LPL was associated with a striking accumulation of cardiac triglyceride in Z-DEVD-treated D-100 rats. CONCLUSIONS After severe hypoinsulinemia, activation of caspase-3 can restrict LPL translocation to the vascular lumen. When caspase-3 is inhibited, this compensatory response is lost, leading to lipid accumulation in the heart.
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 ».