Proteomic Profiles of Adipose and Liver Tissues from an Animal Model of Metabolic Syndrome Fed Purple Vegetables
Notice bibliographique
Résumé
Metabolic Syndrome (MetS) is a complex disorder that predisposes an individual to Cardiovascular Diseases and type 2 Diabetes Mellitus. Proteomics and bioinformatics have proven to be an effective tool to study complex diseases and mechanisms of action of nutrients. We previously showed that substitution of the majority of carbohydrate in a high fat diet by purple potatoes (PP) or purple carrots (PC) improved insulin sensitivity and hypertension in an animal model of MetS (obese Zucker rats) compared to a control sucrose-rich diet. In the current study, we used TMT 10plex mass tag combined with LC-MS/MS technique to study proteomic modulation in the liver (n = 3 samples/diet) and adipose tissue (n = 3 samples/diet) of high fat diet-fed rats with or without substituting sucrose for purple vegetables, followed by functional enrichment analysis, in an attempt to elucidate potential molecular mechanisms responsible for the phenotypic changes seen with purple vegetable feeding. Protein folding, lipid metabolism and cholesterol efflux were identified as the main modulated biological themes in adipose tissue, whereas lipid metabolism, carbohydrate metabolism and oxidative stress were the main modulated themes in liver. We propose that enhanced protein folding, increased cholesterol efflux and higher free fatty acid (FFA) re-esterification are mechanisms by which PP and PC positively modulate MetS pathologies in adipose tissue, whereas, decreased de novo lipogenesis, oxidative stress and FFA uptake, are responsible for the beneficial effects in liver. In conclusion, we provide molecular evidence for the reported metabolic health benefits of purple carrots and potatoes and validate that these vegetables are good choices to replace other simple carbohydrate sources for better metabolic health.
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 ».