Lipocalin-2 Is an Inflammatory Marker Closely Associated with Obesity, Insulin Resistance, and Hyperglycemia in Humans
Notice bibliographique
Résumé
BACKGROUND: Lipocalin-2, a 25-kDa secreted glycoprotein, is a useful biomarker for early detection of various renal injuries. Because lipocalin-2 is abundantly expressed in adipose tissue and liver, we investigated its relevance to obesity-related pathologies. METHODS: We used real-time PCR and in-house immunoassays to quantify the mRNA and serum concentrations of lipocalin-2 in C57BL/KsJ db/db obese mice and their age- and sex-matched lean littermates. We analyzed the association between serum lipocalin-2 concentrations and various metabolic and inflammatory variables in 229 persons (121 men and 108 women) recruited from a previous cross-sectional study, and we evaluated the effect of the insulin-sensitizing drug rosiglitazone on serum lipocalin-2 concentrations in 32 diabetic patients (21 men and 11 women). RESULTS: Compared with the lean littermates, lipocalin-2 mRNA expression in adipose tissue and liver and its circulating concentrations were significantly increased in db/db diabetic/obese mice (P <0.001). These changes were normalized after rosiglitazone treatment. In humans, circulating lipocalin-2 concentrations were positively correlated (P <0.005) with adiposity, hypertriglyceridemia, hyperglycemia, and the insulin resistance index, but negatively correlated (P = 0.002) with HDL cholesterol. There was also a strong positive association between lipocalin-2 concentrations and high sensitivity C-reactive protein (hs-CRP), independent of age, sex, and adiposity (P = 0.007). Furthermore, rosiglitazone-mediated decreases in lipocalin-2 concentrations correlated significantly with increases in insulin sensitivity (r = 0.527; P = 0.002) and decreases in hs-CRP concentrations (r = 0.509; P = 0.003). CONCLUSIONS: Lipocalin-2 is an inflammatory marker closely related to obesity and its metabolic complications. Measurement of serum lipocalin-2 might be useful for evaluating the outcomes of various clinical interventions for obesity-related metabolic and cardiovascular diseases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».