Abstract 215: Glycosphingolipids Contribute to Pro-atherogenic Pathways in the Pathogenesis of Hyperglycemia-induced Atherosclerosis
Notice bibliographique
Résumé
Three out of every four people with diabetes will die of cardiovascular disease. However, the molecular mechanisms by which diabetes promotes atherosclerosis are not clear. In this study, comprehensive metabolomic techniques were used to investigate the molecular mechanisms by which hyperglycemia promotes accelerated atherogenesis in three distinct disease mouse models. Normoglycemic apolipoprotein E-deficient mice served as the atherosclerotic control. Hyperglycemia was induced by multiple low-dose streptozotocin injections or by introducing a point mutation in one copy of the insulin-2 gene. Glucosamine-supplemented mice, which experience accelerated atherosclerosis to a similar extent as the hyperglycemia-induced models, without alterations in the levels of glucose or insulin, were also included in the analysis. Mice with accelerated atherosclerosis showed distinct metabolomic profiles compared to the controls. We detected 6369 metabolite features in the plasma of each mouse. Second-order analysis of pair comparisons between each disease model and the control resulted in 62 commonly altered features (p<0.05). Identification of shared metabolites revealed alterations in glycerophospholipid and sphingolipid metabolisms, and pro-atherogenic processes including inflammation and oxidative stress. Post-multivariate and pathway analyses indicated glycosphingolipid metabolism is the most significantly altered pathway. Glycosphingolipid metabolites induced oxidative stress and inflammation in cultured human vascular cells including macrophages, endothelial and smooth muscle cells. Treatment with a known antioxidant, α-tocopherol, reduced oxidative stress and inflammation induced by glycosphingolipids. Our findings suggest that the glycosphingolipid pathway contributes to pro-atherogenic pathways in the pathogenesis of hyperglycemia-induced atherosclerosis, making it a potential therapeutic target to block or slow atherogenesis in diabetic patients.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».