Diet-resistant obesity is characterized by a distinct plasma proteomic signature and impaired muscle fiber metabolism
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Inter-individual variability in weight loss during obesity treatment is complex and poorly understood. Here we use whole body and tissue approaches to investigate fuel oxidation characteristics in skeletal muscle fibers, cells and distinct circulating protein biomarkers before and after a high fat meal (HFM) challenge in those who lost the most (obese diet-sensitive; ODS) vs the least (obese diet-resistant; ODR) amount of weight in a highly controlled weight management program. SUBJECTS/METHODS: In 20 weight stable-matched ODS and ODR women who previously completed a standardized clinical weight loss program, we analyzed whole-body energetics and metabolic parameters in vastus lateralis biopsies and plasma samples that were obtained in the fasting state and 6 h after a defined HFM, equivalent to 35% of total daily energy requirements. RESULTS: At baseline (fasting) and post-HFM, muscle fatty acid oxidation and maximal oxidative phosphorylation were significantly greater in ODS vs ODR, as was reactive oxygen species emission. Plasma proteomics of 1130 proteins pre and 1, 2, 5 and 6 h after the HFM demonstrated distinct group and interaction differences. Group differences identified S-formyl glutathione hydratase, heat shock 70 kDA protein 1A/B (HSP72), and eukaryotic translation initiation factor 5 (eIF5) to be higher in ODS vs ODR. Group-time differences included aryl hydrocarbon interacting protein (AIP), peptidylpropyl isomerase D (PPID) and tyrosine protein-kinase Fgr, which increased in ODR vs ODS over time. HSP72 levels correlated with muscle oxidation and citrate synthase activity. These proteins circulate in exosomes; exosomes isolated from ODS plasma increased resting, leak and maximal respiration rates in C2C12 myotubes by 58%, 21% and 51%, respectively, vs those isolated from ODR plasma. CONCLUSIONS: Findings demonstrate distinct muscle metabolism and plasma proteomics in fasting and post-HFM states corresponding in diet-sensitive vs diet-resistant obese women.
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 | 0,000 |
| 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) | 0,001 | 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 ».