Whey Peptides Stimulate Differentiation and Lipid Metabolism in Adipocytes and Ameliorate Lipotoxicity-Induced Insulin Resistance in Muscle Cells
Notice bibliographique
Résumé
Deregulation of lipid metabolism and insulin function in muscle and adipose tissue are hallmarks of systemic insulin resistance, which can progress to type 2 diabetes. While previous studies suggested that milk proteins influence systemic glucose homeostasis and insulin function, it remains unclear whether bioactive peptides generated from whey alter lipid metabolism and its accumulation in muscle and adipose tissue. Therefore, we incubated murine 3T3-L1 preadipocytes and C2C12 myotubes with a whey peptide mixture produced through pepsin-pancreatin digestion, mimicking peptides generated in the gut from whey protein hydrolysis, and examined its effect on indicators of lipid metabolism and insulin sensitivity. Whey peptides, particularly those derived from bovine serum albumin (BSA), promoted 3T3-L1 adipocyte differentiation and triacylglycerol (TG) accumulation in accordance with peroxisome proliferator-activated receptor γ (PPARγ) upregulation. Whey/BSA peptides also increased lipolysis and mitochondrial fat oxidation in adipocytes, which was associated with the upregulation of peroxisome proliferator-activated receptor δ (PPARδ). In C2C12 myotubes, whey but not BSA peptides ameliorated palmitate-induced insulin resistance, which was associated with reduced inflammation and diacylglycerol accumulation, and increased sequestration of fatty acids in the TG pool. Taken together, our study suggests that whey peptides generated via pepsin-pancreatin digestion profoundly alter lipid metabolism and accumulation in adipocytes and skeletal myotubes.
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) | 0,000 | 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 | 0,000 |
| 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 ».