Metformin prevents the pathological browning of subcutaneous white adipose tissue
Notice bibliographique
Résumé
OBJECTIVE: Browning, the conversion of white adipose tissue (WAT) to a beige phenotype, has gained interest as a strategy to induce weight loss and improve insulin resistance in metabolic disorders. However, for hypermetabolic conditions stemming from burn trauma or cancer cachexia, browning is thought to contribute to energy wasting and supraphysiological nutritional requirements. Metformin's impact on this phenomenon and underlying mechanisms have not been explored. METHODS: We used both a murine burn model and human ex vivo adipose explants to assess metformin and 5-aminoimidazole-4-carboxamide ribonucleotide (AICAR)'s effects on the development of subcutaneous beige adipose. Enzymes involved in fat homeostasis and browning, as well as mitochondrial dynamics, were assessed to determine metformin's effects. RESULTS: Treatment with the biguanide metformin lowers lipolysis in beige fat by inducing protein phosphatase 2A (PP2A) independently of adenosine monophosphate kinase (AMPK) activation. Increased PP2A activity catalyzes the dephosphorylation of acetyl-CoA carboxylase (Ser 79) and hormone sensitive lipase (Ser 660), thus promoting fat storage and the "whitening" of otherwise lipolytic beige adipocytes. Moreover, co-incubation of metformin with the PP2A inhibitor okadaic acid countered the anti-lipolytic effects of this biguanide in human adipose. Additionally, we show that metformin does not activate this pathway in the WAT of control mice and that AICAR sustains the browning of white adipose, offering further evidence that metformin acts independently of this cellular energy sensor. CONCLUSIONS: This work provides novel insights into the mechanistic underpinnings of metformin's therapeutic benefits and potential as an agent to reduce the lipotoxicity associated with hypermetabolism and adipose browning.
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 | 0,000 | 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 | 0,001 |
| 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 ».