MétaCan
Menu
Retour à la cohorte
Enregistrement W2148288112 · doi:10.1101/gad.2054711

Separation of the gluconeogenic and mitochondrial functions of PGC-1α through S6 kinase

2011· article· en· W2148288112 sur OpenAlexfundno aff
Yaniv Lustig, Jorge L. Ruas, Jennifer L. Estall, James C. Lo, Dina Laznik, Jang Hyun Choi, Hiraku Ono, Jesper V. Olsen, Bruce M. Spiegelman

Notice bibliographique

RevueGenes & Development · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteCanadian Institutes of Health ResearchNational Institutes of HealthWenner-Gren Stiftelserna
Mots-clésBiologyMitochondrionKinaseCell biologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

PGC-1α is a transcriptional coactivator that powerfully regulates many pathways linked to energy homeostasis. Specifically, PGC-1α controls mitochondrial biogenesis in most tissues but also initiates important tissue-specific functions, including fiber type switching in skeletal muscle and gluconeogenesis and fatty acid oxidation in the liver. We show here that S6 kinase, activated in the liver upon feeding, can phosphorylate PGC-1α directly on two sites within its arginine/serine-rich (RS) domain. This phosphorylation significantly attenuates the ability of PGC-1α to turn on genes of gluconeogenesis in cultured hepatocytes and in vivo, while leaving the functions of PGC-1α as an activator of mitochondrial and fatty acid oxidation genes completely intact. These phosphorylations interfere with the ability of PGC-1α to bind to HNF4α, a transcription factor required for gluconeogenesis, while leaving undisturbed the interactions of PGC-1α with ERRα and PPARα, factors important for mitochondrial biogenesis and fatty acid oxidation. These data illustrate that S6 kinase can modify PGC-1α and thus allow molecular dissection of its functions, providing metabolic flexibility needed for dietary adaptation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,273
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations121
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenes & DevelopmentMême sujetAdipose Tissue and MetabolismTravaux en français237 207