Alternatively Activated Macrophages Drive Browning of White Adipose Tissue in Burns
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to uncover the mediators and mechanistic events that facilitate the browning of white adipose tissue (WAT) in response to burns. BACKGROUND: In hypermetabolic patients (eg, burns, cancer), the browning of WAT has presented substantial clinical challenges related to cachexia, atherosclerosis, and poor clinical outcomes. Browning of the adipose tissue has recently been found to induce and sustain hypermetabolism. Although browning appears central in trauma-, burn-, or cancer-induced hypermetabolic catabolism, the mediators are essentially unknown. METHODS: WAT and blood samples were collected from patients admitted to the Ross Tilley Burn Centre at Sunnybrook Hospital. Wild type, CCR2 KO, and interleukin (IL)-6 KO male mice were purchased from Jax laboratories and subjected to a 30% total body surface area burn injury. WAT and serum collected were analyzed for browning markers, macrophages, and metabolic state via histology, gene expression, and mitochondrial respiration. RESULTS: In the present study, we show that burn-induced browning is associated with an increased macrophage infiltration, with a greater type 2 macrophage profile in the fat of burn patients. Similar to our clinical findings in burn patients, both an increase in macrophage recruitment and a type 2 macrophage profile were also observed in post burn mice. Genetic loss of the chemokine CCR2 responsible for macrophage migration to the adipose impairs burn-induced browning. Mechanistically, we show that macrophages recruited to burn-stressed subcutaneous WAT (sWAT) undergo alternative activation to induce tyrosine hydroxylase expression and catecholamine production mediated by IL-6, factors required for browning of sWAT. CONCLUSION: Together, our findings uncover macrophages as the key instigators and missing link in trauma-induced browning.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».