Dietary Docosahexaenoic Acid (DHA) and Eicosapentaenoic Acid (EPA) Operate by Different Mechanisms to Modulate Hepatic Steatosis and Hyperinsulemia in fa/fa Zucker Rats
Notice bibliographique
Résumé
Hepatic steatosis, an early stage of non-alcoholic fatty liver disease, is commonly present in obesity and type 2 diabetes, and is associated with reduced hepatic omega-3 polyunsaturated fatty acid (n3-PUFA) status that impacts on the anti-inflammatory and insulin sensitizing functions of n3-PUFA. Our objective was to directly compare plant- and marine-based n3-PUFA (α-linoleic acid (ALA)), eicosapentaenoic acid (EPA), and docosahexaenoic acid (DHA)) for their effects on hepatic steatosis, markers of hepatic inflammation and fibrosis, and insulinemia in obese rats. Fa/fa Zucker rats were provided diets containing ALA, EPA, DHA, or linoleic acid (LA, n6-PUFA) for eight weeks and compared to baseline fa/fa rats and lean Zucker rats fed LA-rich diet for eight weeks. Both DHA and EPA groups had liver lipid similar to baseline, however, DHA was more effective than EPA for reducing hepatic fatty acid synthase (FAS), increasing the proportion of smaller lipid droplets, reversing early fibrotic damage, and reducing fasting hyperinsulinemia. EPA was more effective for reducing FoxO1. Dietary ALA did not attenuate hepatic steatosis, most inflammatory markers or FAS. In summary, amongst the n3-PUFA, DHA was the most effective for elevating hepatic DHA levels, and preventing progression of hepatic steatosis via reductions in FAS and a marker of fibrosis.
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 ».