Loss of <i>Pgc-1α</i> expression in aging mouse muscle potentiates glucose intolerance and systemic inflammation
Notice bibliographique
Résumé
Diabetes risk increases significantly with age and correlates with lower oxidative capacity in muscle. Decreased expression of peroxisome proliferator-activated receptor-γ coactivator-1α (Pgc-1α) and target gene pathways involved in mitochondrial oxidative phosphorylation are associated with muscle insulin resistance, but a causative role has not been established. We sought to determine whether a decline in Pgc-1α and oxidative gene expression occurs during aging and potentiates the development of age-associated insulin resistance. Muscle-specific Pgc-1α knockout (MKO) mice and wild-type littermate controls were aged for 2 yr. Genetic signatures of skeletal muscle (microarray and mRNA expression) and metabolic profiles (glucose homeostasis, mitochondrial metabolism, body composition, lipids, and indirect calorimetry) of mice were compared at 3, 12, and 24 mo of age. Microarray and gene set enrichment analysis highlighted decreased function of the electron transport chain as characteristic of both aging muscle and loss of Pgc-1α expression. Despite significant reductions in oxidative gene expression and succinate dehydrogenase activity, young mice lacking Pgc-1α in muscle had lower fasting glucose and insulin. Consistent with loss of oxidative capacity during aging, Pgc-1α and Pgc-1β expression were reduced in aged wild-type mouse muscle. Interestingly, the combination of age and loss of muscle Pgc-1α expression impaired glucose tolerance and led to increased fat mass, insulin resistance, and inflammatory markers in white adipose and liver tissues. Therefore, loss of Pgc-1α expression and decreased mitochondrial oxidative capacity contribute to worsening glucose tolerance and chronic systemic inflammation associated with aging.
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 | 0,001 |
| 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 ».