Docosahexaenoic acid increases cellular adiponectin mRNA and secreted adiponectin protein, as well as PPARγ mRNA, in 3T3-L1 adipocytes
Notice bibliographique
Résumé
Adiponectin, a protein secreted from adipose tissue, has been shown to have anti-diabetic and anti-inflammatory effects, but its regulation is not completely understood. Long-chain n-3 fatty acids eicosapentaenoic acid (20:5n-3; EPA) and docosahexaenoic acid (22:6n-3; DHA) may be involved in adiponectin regulation as they are potential ligands for peroxisome proliferator-activated receptor-γ (PPARγ), a key transcription factor for the adiponectin gene. To examine this, 3T3-L1 adipocytes were incubated with 125 µmol·L-1 EPA, DHA, palmitic, or oleic acids complexed to albumin, or with albumin alone (control) for 24 h. Adipocytes were also incubated for 24 h with EPA and DHA plus bisphenol-A-diglycidyl ether (BADGE), a PPARγ antagonist. Both EPA and DHA increased (p < 0.05) secreted adiponectin concentration compared with the control (44% and 102%, respectively), but did not affect cellular adiponectin protein content. Incubation with BADGE and DHA inhibited increases in secreted adiponectin protein, suggesting that DHA may act through a PPARγ-dependent mechanism. However, BADGE had no effect on EPA-induced increases in secreted adiponectin protein. Only DHA enhanced (p < 0.05) PPARγ and adiponectin mRNA expression compared wtih the control. Our results demonstrate that DHA increases cellular adiponectin mRNA and secreted adiponectin protein in 3T3-L1 adipocytes, possibly by a mechanism involving PPARγ. Moreover, DHA increased adiponectin concentration to a greater extent (40% more, p < 0.05) compared with EPA, emphasizing the need to consider the independent actions of EPA and DHA in adipocytes.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».