Egg white hydrolysate and peptide reverse insulin resistance associated with tumor necrosis factor-α (TNF-α) stimulated mitogen-activated protein kinase (MAPK) pathway in skeletal muscle cells
Notice bibliographique
Résumé
PURPOSE: Excessive formation of tumor necrosis factor-α (TNF-α), a pro-inflammatory cytokine, has been implicated in the development of insulin resistance in obesity and type-2 diabetes. In skeletal muscle, chronic exposure to TNF-α impairs insulin-stimulated glucose uptake and insulin signaling. The aim of this study is to investigate the effects of enzymatic egg white hydrolysate (EWH) and its responsible peptide, IRW, on TNF-α-induced insulin resistance and the underlying molecular mechanisms using rat skeletal muscle cells (L6 cells). METHODS: Insulin resistance was induced by treating L6 cells with 5 ng/ml TNF-α for 24 h. Effects of EWH and IRW on glucose uptake were detected by glucose uptake assay, glucose transporter 4 (GLUT4) translocation by immunofluorescence, and western blot, while insulin-signaling pathway and mitogen-activated protein kinase (MAPK) pathway were investigated using western blot. RESULTS: Adding both EWH and IRW significantly improved glucose uptake in TNF-α-treated cells, increased activation of insulin receptor substrate (IRS-1) tyrosine residue and protein kinase B (Akt), whereas decreased activation of IRS-1 serine residue. In addition, TNF-α-induced activation of p38-mitogen-activated protein kinase (p38) and c-Jun N-terminal kinases (JNK) 1/2 were decreased by either EWH or IRW treatment. CONCLUSION: EWH and IRW improve impaired insulin sensitivity by down-regulating the activation of p38 and JNK1/2 in TNF-α-treated skeletal muscle cells.
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 | 0,001 | 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) | 0,000 | 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 ».