MétaCan
Menu
Retour à la cohorte
Enregistrement W2782092636 · doi:10.14348/molcells.2017.0073

A Proteomics Based Approach Reveals Differential Regulation of Visceral Adipose Tissue Proteins between Metabolically Healthy and Unhealthy Obese Patients

2017· article· en· W2782092636 sur OpenAlexaff
Assim A. Alfadda, Afshan Masood, Mohammed Y. Al-Naami, Pierre Chaurand, Hicham Benabdelkamel

Notice bibliographique

RevueMolecules and Cells · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensUniversité de Montréal
Organismes subventionnairesKing Saud University
Mots-clésProteomeAdipose tissueProteomicsBiologyHeat shock proteinMetabolic pathwayLipid metabolismPathogenesisInternal medicineObesityEndocrinologyBioinformaticsCell biologyMetabolismMedicineBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Obesity and the metabolic disorders that constitute metabolic syndrome are a primary cause of morbidity and mortality in the world. Nonetheless, the changes in the proteins and the underlying molecular pathways involved in the relevant pathogenesis are poorly understood. In this study a proteomic analysis of the visceral adipose tissue isolated from metabolically healthy and unhealthy obese patients was used to identify presence of altered pathway(s) leading to metabolic dysfunction. Samples were obtained from 18 obese patients undergoing bariatric surgery and were subdivided into two groups based on the presence or absence of comorbidities as defined by the International Diabetes Federation. Two dimensional difference in-gel electrophoresis coupled with matrix-assisted laser desorption/ionization time-of-flight mass spectrometry was carried out. A total of 28 proteins were identified with a statistically significant difference in abundance and a 1.5-fold change (ANOVA, p ≤ 0.05) between the groups. 11 proteins showed increased abundance while 17 proteins were decreased in the metabolically unhealthy obese compared to the healthy obese. The differentially expressed proteins belonged broadly to three functional categories: (i) protein and lipid metabolism (ii) cytoskeleton and (iii) regulation of other metabolic processes. Network analysis by Ingenuity pathway analysis identified the NFκB, IRK/MAPK and PKC as the nodes with the highest connections within the connectivity map. The top network pathway identified in our protein data set related to cellular movement, hematological system development and function, and immune cell trafficking. The VAT proteome between the two groups differed substantially between the groups which could potentially be the reason for metabolic dysfunction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecules and CellsMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207