FFA-induced hepatic insulin resistance in vivo is mediated by PKCδ, NADPH oxidase, and oxidative stress
Notice bibliographique
Résumé
Fat-induced hepatic insulin resistance plays a key role in the pathogenesis of type 2 diabetes in obese individuals. Although PKC and inflammatory pathways have been implicated in fat-induced hepatic insulin resistance, the sequence of events leading to impaired insulin signaling is unknown. We used Wistar rats to investigate whether PKCδ and oxidative stress play causal roles in this process and whether this occurs via IKKβ- and JNK-dependent pathways. Rats received a 7-h infusion of Intralipid plus heparin (IH) to elevate circulating free fatty acids (FFA). During the last 2 h of the infusion, a hyperinsulinemic-euglycemic clamp with tracer was performed to assess hepatic and peripheral insulin sensitivity. An antioxidant, N-acetyl-L-cysteine (NAC), prevented IH-induced hepatic insulin resistance in parallel with prevention of decreased IκBα content, increased JNK phosphorylation (markers of IKKβ and JNK activation, respectively), increased serine phosphorylation of IRS-1 and IRS-2, and impaired insulin signaling in the liver without affecting IH-induced hepatic PKCδ activation. Furthermore, an antisense oligonucleotide against PKCδ prevented IH-induced phosphorylation of p47(phox) (marker of NADPH oxidase activation) and hepatic insulin resistance. Apocynin, an NADPH oxidase inhibitor, prevented IH-induced hepatic and peripheral insulin resistance similarly to NAC. These results demonstrate that PKCδ, NADPH oxidase, and oxidative stress play a causal role in FFA-induced hepatic insulin resistance in vivo and suggest that the pathway of FFA-induced hepatic insulin resistance is FFA → PKCδ → NADPH oxidase and oxidative stress → IKKβ/JNK → impaired hepatic insulin signaling.
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) | 0,002 | 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 | 0,001 |
| 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 ».