MétaCan
Menu
Retour à la cohorte
Enregistrement W2915044529 · doi:10.71781/30873

Métabolisme des rétinoïdes et facteurs d’influence dans l’obésité, la résistance à l’insuline et le diabète de type 2 : études chez l’animal et chez l’homme

2018· dissertation· fr· W2915044529 sur OpenAlexfundno aff
Aurélia Sima

Notice bibliographique

RevueOpen MIND · 2018
Typedissertation
Languefr
DomaineMedicine
ThématiqueAntioxidant Activity and Oxidative Stress
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: La vitamine A et ses métabolites actifs (acide rétinoïque tout-trans et 9-cis), qui activent les récepteurs nucléaires (RARs et RXRs), sont essentiels pour la différentiation cellulaire, l’embryogénèse, la fonction immunitaire, la croissance et la prévention de maladies tel que le cancer et le diabète. La différentiation des adipocytes est largement dépendante des rétinoïdes. La RBP4, transporteur sérique du rétinol (ROL), est aussi une adipokine inversement corrélée à la sensibilité à l’insuline. L’obésité et le diabète de type 2 (T2DM) sont des conditions métaboliques ayant pris des proportions alarmantes à travers le monde. Plusieurs études se font dans ces domaines, mais il reste beaucoup à faire. Le syndrome métabolique et le T2DM corrèlent avec une plus grande proportion de gras viscéral versus gras sous-cutané et perturbent l’homéostasie des rétinoïdes. Les rétinoïdes et les molécules connexes (RBP4, TTR), de par leurs implications dans les processus métaboliques, peuvent constituer des cibles de choix dans l’étude et le traitement de ces troubles métaboliques. Hypothèses: Dans ce contexte, nous postulons que le métabolisme des rétinoïdes diffère entre les gras sous-cutané et viscéral à un stade précoce, et que les niveaux de ROL, de RBP4 et de TTR corrèlent avec les composants déclarés de l’obésité, résistance à l’insuline (RI) et T2DM et peuvent servir comme indicateurs physiologiques précoces de l’obésité, la RI et du T2DM. Objectifs: L’objectif général de cette étude est de caractériser l’homéostasie des rétinoïdes dans différents types de gras et d’établir les relations qui existent entre les rétinoïdes et les molécules connexes avec l’obésité, la RI et le T2DM dans une étude fondamentale et une clinique. Tout d’abord nous avons eu comme objectifs spécifiques: (1.1). La caractérisation des enzymes RALDHs 1-4 impliquées dans la formation d’AR dans les tissus adipeux viscéral et sous-cutané de souris C57BL/6; (1.2) L’identification et la mesure des isomères de la vitamine A dans les tissus adipeux viscéral et sous-cutané de souris C57BL/6; (1.3) La comparaison de l’expression des gènes du métabolisme des rétinoïdes dans le gras souscutané versus le gras viscéral. Nous avons poursuivi en : (2.1) Évaluant le ROL circulant, le taux de RBP4, le ratio ROL/RBP4 et d’autres molécules reliés aux rétinoïdes et nous avons évalué leur potentiel en tant que marqueurs physiologiques prédictifs de la RI dans une étude clinique et (2.2) par l’évaluation des corrélations existantes entre ces changements physiologiques et les facteurs traditionnels de la RI et du T2DM. Méthodologie : Pour atteindre ces objectifs, nous avons utilisé ces approches expérimentaux : 1. L’identification et la mesure de l’activité des RALDHs par des essais enzymatiques; 2. Mesure des isomères du ROL par HPLC; 3. Comparaison de l’expression des gènes du métabolisme de rétinoïdes par RT-q-PCR; 4. Étude clinique chez l’humain sur 4 groupes de sujets: groupe A, témoins minces et en santé; groupe B et C, diabétiques obèses avec diabète mal- et bien-contrôlé; groupe D, obèses non-diabétiques. Chez ces sujets, nous avons pris des mesures anthropométriques et biochimiques: IMC, tour de taille (TT), FSC, profil lipidique, biochimie générale, ACR, TSH, HbA1c, glycémies à jeun, insulinémie, TTR, vitamine E et D, ROL sérique par HPLC, RBP4 sérique par WB/ImageQuant; 5. Évaluation du potentiel du RBP4, ROL, et ratios ROL/RBP4 comme marqueurs physiologiques précoces dans la clinique de la RI et T2DM (corrélations avec marqueurs T2DM traditionnels) Conclusions: Notre étude montre une relation directe entre le type de gras et l’homéostasie des rétinoïdes et des corrélations entre le niveau de RBP4 et l’obésité, la RI, et le T2DM, ainsi qu’une corrélation entre le ROL et l’intolérance au glucose et le T2DM. On observe chez la souris mince et en santé des niveaux plus grands d’ARNm de l’adipokine RBP4 dans le gras viscéral par rapport au gras sous-cutané, ce qui suggère une contribution précoce du gras viscéral à la future résistance à l’insuline qui s’installe avec l’obésité. Globalement on peut conclure que la RBP4 est impliquée dans le développement de la RI et le diabète et que son niveau circulant influence et est influencé par la RI, tandis que le ROL augmente seulement dans des conditions de décompensation pancréatique et d’intolérance au glucose. Une RBP4 sérique élevée contribue à la diminution du HDL cholestérol et pourrait également refléter une dysfonction rénale précoce. On peut proposer ces molécules, impliquées dans le métabolisme des rétinoïdes, comme marqueurs biologiques précoces de la résistance à l’insuline et du diabète chez les sujets obèses. Nos résultats apportent une lumière nouvelle dans l’étude de l’obésité et le T2DM de par son approche novatrice qui implique les rétinoïdes. Plusieurs études, sur de plus larges cohortes, sont nécessaires pour déterminer le rôle précis de la RBP4 et du ROL dans l’obésité et le T2DM, ainsi que pour explorer des voies thérapeutiques ciblées.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,356
Écart entre enseignants0,318 · 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'étudeObservationnel
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetAntioxidant Activity and Oxidative StressTravaux en français237 207