Delivery of adiponectin gene to skeletal muscle using ultrasound targeted microbubbles improves insulin sensitivity and whole body glucose homeostasis
Notice bibliographique
Résumé
Numerous studies have shown that adiponectin confers antidiabetic effects via both insulin-like and insulin-sensitizing actions. The majority of adiponectin in circulation is derived from adipocytes; however, other tissues such as skeletal muscle can produce adiponectin. This study was designed to investigate the functional significance of adiponectin produced by skeletal muscle. We encapsulated the adiponectin gene in lipid-coated microspheres filled with octafluoropropane gas that were injected into the systemic circulation and destroyed within the microvasculature of skeletal muscle using ultrasound. We first demonstrated safe and successful targeting of luciferase and green fluorescent protein reporter genes to skeletal muscle using this approach and then confirmed efficient overexpression of adiponectin mRNA and oligomeric protein forms. Glucose tolerance test indicated that overexpression of adiponectin in skeletal muscle was able to improve glucose intolerance induced by feeding mice a high-fat diet (HFD), and this correlated with improved skeletal muscle insulin signaling. We then performed hyperinsulinemic-euglycemic clamp studies and demonstrated that adiponectin overexpression attenuated the decreases in glucose infusion rate, glucose disposal, and increase in glucose appearance induced by HFD. Ultrasound-targeted microbubble destruction (UTMD) delivery of adiponectin to skeletal muscle also enhanced serum adiponectin levels and improved hepatic insulin sensitivity. In conclusion, our data show that UTMD efficiently delivers adiponectin to skeletal muscle and that this improves insulin sensitivity and glucose homeostasis.
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 ».