Quantitative proteomic characterization of cellular pathways associated with altered insulin sensitivity in skeletal muscle following high-fat diet feeding and exercise training
Notice bibliographique
Résumé
Regular exercise elicits advantageous metabolic adaptations in skeletal muscle, such as improved insulin sensitivity. However, the underpinning molecular mechanisms and the effect of diet on muscle exercise training benefits are unclear. We therefore characterized the skeletal muscle proteome following exercise training (ET) in mice fed chow or high-fat diet (HFD). ET increased exercise performance, lowered body-weight, decreased fat mass and improved muscle insulin action in chow- and HFD-fed mice. At the molecular level, ET regulated 170 muscle proteins in chow-fed mice, but only 29 proteins in HFD-fed mice. HFD per se altered 56 proteins, most of which were regulated in a similar direction by ET. To identify proteins that might have particular health-related bearing on skeletal muscle metabolism, we filtered for differentially regulated proteins in response to ET and HFD. This yielded 15 proteins, including the major urinary protein 1 (MUP1), which was the protein most decreased after HFD, but increased with ET. The ET-induced Mup1 expression was absent in mouse muscle lacking functional AMPK. MUP1 also potentiated insulin-stimulated GLUT4 translocation in cultured muscle cells. Collectively, we provide a resource of ET-regulated proteins in insulin-sensitive and insulin-resistant skeletal muscle. The identification of MUP1 as a diet-, ET- and AMPK-regulated skeletal muscle protein that improves insulin sensitivity in muscle cells demonstrates the usefulness of these data.
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 | 0,001 | 0,001 |
| 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 ».