Posttranslational regulation of thioredoxin-interacting protein
Notice bibliographique
Résumé
Thioredoxin-interacting protein (Txnip) is a metabolic regulator, which modulates insulin sensitivity and likely plays a role in type 2 diabetes. We studied the regulation of Txnip in 3T3-L1 adipocytes. Cells were incubated under different conditions and Txnip was measured by immunoblotting. We confirmed that high glucose markedly increases Txnip expression by promoting transcription. Insulin decreases Txnip protein levels. Rapamycin under most conditions decreased Txnip, suggesting that mTOR complex-1 is involved. The acute effects of insulin are mainly posttranscriptional; insulin (100 nM) accelerates Txnip degradation more than tenfold. This effect is cell type specific. It works in adipocytes, preadipocytes and in L6 myotubes but not in HepG2 or in HEK 293 cells or in a pancreatic β-cell line. The ubiquitin/proteasome pathway is involved. Degradation of Txnip occurred within 15 min in the presence of 3 nM insulin and overnight with 0.6 nM insulin. Proteasomal Txnip degradation is not mediated by a cysteine protease or an anti-calpain enzyme. Okadaic acid (OKA), an inhibitor of phosphoprotein phosphatases (pp), markedly reduced Txnip protein and stimulated its further decrease by insulin. The latter occurred after incubation with 1 or 1000 nM OKA, suggesting that insulin enhances the phosphorylation of a pp2A substrate. Incubation with 0.1 μM Wortmannin, a PI3 kinase inhibitor, increased Txnip protein twofold and significantly inhibited its insulin-induced decrease. Thus, while OKA mimics the effect of insulin, Wortmannin opposes it. In summary, insulin stimulates Txnip degradation by a PI3 kinase-dependent mechanism, which activates the ubiquitin/proteasome pathway and likely serves to mitigate insulin resistance.
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) | 0,000 | 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 ».