Peroxisome proliferator‐activated receptor <i>γ</i> activation favours selective subcutaneous lipid deposition by coordinately regulating lipoprotein lipase modulators, fatty acid transporters and lipogenic enzymes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: Peroxisome proliferator-activated receptor (PPAR) γ activation is associated with preferential lipoprotein lipase (LPL)-mediated fatty acid storage in peripheral subcutaneous fat depots. How PPARγ agonism acts upon the multi-level modulation of depot-specific lipid storage remains incompletely understood. METHODS: We evaluated herein triglyceride-derived lipid incorporation into adipose tissue depots, LPL mass and activity, mRNA levels and content of proteins involved in the modulation of LPL activity and fatty acid transport, and the expression/activity of enzymes defining adipose tissue lipogenic potential in rats treated with the PPARγ ligand rosiglitazone (30 mg kg(-1) day(-1) , 23 days) after either a 10-h fasting period or a 17-h fast followed by 6 h of ad libitum refeeding. RESULTS: Rosiglitazone stimulated lipid accretion in subcutaneous fat (SF) ~twofold and significantly reduced that of visceral fat (VF) to nearly half. PPARγ activation selectively increased LPL mass, activity and the expression of its chaperone LMF1 in SF. In VF, rosiglitazone had no effect on LPL activity and downregulated the mRNA levels of the transendothelial transporter GPIHBP1. Overexpression of lipid uptake and fatty acid transport proteins (FAT/CD36, FATP1 and FABP4) and stimulation of lipogenic enzyme activities (GPAT, AGPAT and DGAT) upon rosiglitazone treatment were of higher magnitude in SF. CONCLUSIONS: Together these findings demonstrate that the depot-specific transcriptional control of LPL induced by PPARγ activation extends to its key interacting proteins and post-translational modulators to favour subcutaneous lipid storage.
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.
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 | 0,000 |
| 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 | 0,001 | 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 découle