Depot-specific effects of the PPARγ agonist rosiglitazone on adipose tissue glucose uptake and metabolism
Notice bibliographique
Résumé
We investigated mechanisms whereby peroxisome proliferator-activated receptor gamma (PPARgamma) agonism redistributes lipid from visceral (VF) toward subcutaneous fat (SF) by studying the impact of PPARgamma activation on VF and SF glucose uptake and metabolism, lipogenesis, and enzymes involved in triacylglycerol (TAG) synthesis. VF (retroperitoneal) and SF (inguinal) of rats treated or not for 7 days with rosiglitazone (15 mg/kg/day) were evaluated in vivo for glucose uptake and lipogenesis and in vitro for glucose metabolism, gene expression, and activities of glycerolphosphate acyltransferase (GPAT), phosphatidate phosphatase-1 (or lipin-1), and diacylglycerol acyltransferase. Rosiglitazone increased SF glucose uptake, GLUT4 mRNA, and insulin-stimulated glucose oxidation, conversion to lactate, glycogen, and the glycerol and fatty acid components of TAG. In VF, only glucose incorporation into TAG-glycerol was stimulated by rosiglitazone and less so than in SF (1.5- vs. 3-fold). mRNA levels of proteins involved in glycolysis, Krebs cycle, glycogen synthesis, and lipogenesis were markedly upregulated by rosiglitazone in SF and again less so in VF. Rosiglitazone activated TAG-glycerol synthesis in vivo (2.8- vs. 1.9-fold) and lipin activity (4.6- vs. 1.5-fold) more strongly in SF than VF, whereas GPAT activity was increased similarly in both depots. The preferential increase in glucose uptake and intracellular metabolism in SF contributes to the PPARgamma-mediated redistribution of TAG from VF to SF, which in turn favors global insulin sensitization.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».