ERRα as a Bridge Between Transcription and Function: Role in Liver Metabolism and Disease
Notice bibliographique
Résumé
As transcriptional factors, nuclear receptors (NRs) function as major regulators of gene expression. In particular, dysregulation of NR activity has been shown to significantly alter metabolic homeostasis in various contexts leading to metabolic disorders and cancers. The orphan estrogen-related receptor (ERR) subfamily of NRs, comprised of ERRα, ERR, and ERR, for which a natural ligand has yet to be identified, are known as central regulators of energy metabolism. If AMP-activated protein kinase (AMPK) and mechanistic target of rapamycin (mTOR) can be viewed as sensors of the metabolic needs of a cell and responding acutely via post-translational control of proteins, then the ERRs can be regarded as downstream effectors of metabolism via transcriptional regulation of genes for a long-term and sustained adaptive response. In this review, we will focus on recent findings centered on the transcriptional roles played by ERRα in hepatocytes. Modulation of ERRα activity in both in vitro and in vivo models via genetic or pharmacological manipulation coupled with chromatin-immunoprecipitation (ChIP)-on-chip and ChIP-sequencing (ChIP-seq) studies have been fundamental in delineating the direct roles of ERRα in the control of hepatic gene expression. These studies have identified crucial roles for ERRα in lipid and carbohydrate metabolism as well as in mitochondrial function under both physiological and pathological conditions. The regulation of ERRα expression and activity via ligand-independent modes of action including coregulator binding, post-translational modifications and control of protein stability will be discussed in the context that may serve as valuable tools to modulate ERRα function as new therapeutic avenues for the treatment of hepatic metabolic dysfunction and related diseases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».