MétaCan
Menu
Retour à la cohorte
Enregistrement W2604580271 · doi:10.1097/mco.0000000000000380

AMP-activated protein kinase, fatty acid metabolism, and insulin sensitivity

2017· review· en· W2604580271 sur OpenAlexaff
Brennan K. Smith, Gregory R. Steinberg

Notice bibliographique

RevueCurrent Opinion in Clinical Nutrition & Metabolic Care · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAMPKLipogenesisInsulin resistanceAMP-activated protein kinaseProtein kinase AFatty acid metabolismBeta oxidationAdipose tissueFatty acid synthesisInsulinType 2 diabetesFatty acidChemistryEndocrinologyKinaseMedicineBiochemistryDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Insulin resistance is an important risk factor for metabolic diseases such as type 2 diabetes, cardiovascular disease and certain cancers. A common characteristic of strategies that improve insulin sensitivity involves the activation of the energy sensing enzyme of the cell, AMP-activated protein kinase (AMPK). The purpose of this review is to explore the mechanisms associated with AMPK activation to improve insulin sensitivity with a focus on fatty acid metabolism. We will also discuss the literature surrounding direct AMPK activators to improve insulin resistance and important considerations for the design of direct AMPK activators. RECENT FINDINGS: AMPK activation can decrease de novo lipogenesis, increase fatty acid oxidation and promote mitochondrial integrity to improve insulin sensitivity. Drugs targeted to directly activate AMPK show therapeutic promise, yet in vivo data is lacking. SUMMARY: Designing a drug to directly activate AMPK may improve insulin resistance by reducing liver de novo lipogenesis and increasing brown and white adipose tissue mitochondrial function. However, in vivo experimental procedures to support this notion are not extensive and more research is required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,456
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Clinical Nutrition & Metabolic CareMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207