Tissue-Specific Effects of Rosiglitazone and Exercise in the Treatment of Lipid-Induced Insulin Resistance
Notice bibliographique
Résumé
Both pharmacological intervention (i.e., thiazolidinediones [TZDs]) and lifestyle modification (i.e., exercise training) are clinically effective treatments for improving whole-body insulin sensitivity. However, the mechanism(s) by which these therapies reverse lipid-induced insulin resistance in skeletal muscle is unclear. We determined the effects of 4 weeks of rosiglitazone treatment and exercise training and their combined actions (rosiglitazone treatment and exercise training) on lipid and glucose metabolism in high-fat-fed rats. High-fat feeding resulted in decreased muscle insulin sensitivity, which was associated with increased rates of palmitate uptake and the accumulation of the fatty acid metabolites ceramide and diacylglycerol. Impairments in lipid metabolism were accompanied by defects in the Akt/AS160 signaling pathway. Exercise training, but not rosiglitazone treatment, reversed these impairments, resulting in improved insulin-stimulated glucose transport and increased rates of fatty acid oxidation in skeletal muscle. The improvements to glucose and lipid metabolism observed with exercise training were associated with increased AMP-activated protein kinase alpha1 activity; increased expression of Akt1, peroxisome proliferator-activated receptor gamma coactivator 1, and GLUT4; and a decrease in AS160 expression. In contrast, rosiglitazone treatment exacerbated lipid accumulation and decreased insulin-stimulated glucose transport in skeletal muscle. However, rosiglitazone, but not exercise training, increased adipose tissue GLUT4 and acetyl CoA carboxylase expression. Both exercise training and rosiglitazone decreased liver triacylglycerol content. Although both interventions can improve whole-body insulin sensitivity, our results show that they produce divergent effects on protein expression and triglyceride storage in different tissues. Accordingly, exercise training and rosiglitazone may act as complementary therapies for the treatment of insulin resistance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».