Alternative Mechanism for White Adipose Tissue Lipolysis after Thermal Injury
Notice bibliographique
Résumé
Extensively burned patients often suffer from sepsis, a complication that enhances postburn hypermetabolism and contributes to increased incidence of multiple organ failure, morbidity and mortality. Despite the clinical importance of burn sepsis, the molecular and cellular mechanisms of such infection-related metabolic derangements and organ dysfunction are still largely unknown. We recently found that upon endoplasmic reticulum (ER) stress, the white adipose tissue (WAT) interacts with the liver via inflammatory and metabolic signals leading to profound hepatic alterations, including hepatocyte apoptosis and hepatic fatty infiltration. We therefore hypothesized that burn plus infection causes an increase in lipolysis of WAT after major burn, partially through induction of ER stress, contributing to hyperlipidemia and profound hepatic lipid infiltration. We used a two-hit rat model of 60% total body surface area scald burn, followed by intraperitoneal (IP) injection of Pseudomonas Aeruginosa -derived lipopolysaccharide (LPS) 3 d postburn. One day later, animals were euthanized and liver and epididymal WAT (EWAT) samples were collected for gene expression, protein analysis and histological study of inflammasome activation, ER stress, apoptosis and lipid metabolism. Our results showed that burn plus LPS profoundly increased lipolysis in WAT associated with significantly increased hepatic lipid infiltration. Burn plus LPS augmented ER stress by upregulating CHOP and activating ATF6, inducing NLRP3 inflammasome activation and leading to increased apoptosis and lipolysis in WAT with a distinct enzymatic mechanism related to inhibition of AMPK signaling. In conclusion, burn sepsis causes profound alterations in WAT and liver that are associated with changes in organ function and structure.
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) | 0,000 | 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 | 0,000 |
| 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 ».