Remodeling adipose tissue through in silico modulation of fat storage for the prevention of type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes is one of the leading non-infectious diseases worldwide and closely relates to excess adipose tissue accumulation as seen in obesity. Specifically, hypertrophic expansion of adipose tissues is related to increased cardiometabolic risk leading to type 2 diabetes. Studying mechanisms underlying adipocyte hypertrophy could lead to the identification of potential targets for the treatment of these conditions. RESULTS: We present iTC1390adip, a highly curated metabolic network of the human adipocyte presenting various improvements over the previously published iAdipocytes1809. iTC1390adip contains 1390 genes, 4519 reactions and 3664 metabolites. We validated the network obtaining 92.6% accuracy by comparing experimental gene essentiality in various cell lines to our predictions of biomass production. Using flux balance analysis under various test conditions, we predict the effect of gene deletion on both lipid droplet and biomass production, resulting in the identification of 27 genes that could reduce adipocyte hypertrophy. We also used expression data from visceral and subcutaneous adipose tissues to compare the effect of single gene deletions between adipocytes from each compartment. CONCLUSIONS: We generated a highly curated metabolic network of the human adipose tissue and used it to identify potential targets for adipose tissue metabolic dysfunction leading to the development of type 2 diabetes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».