Bye, bye, bile: how altered bile acid composition changes small intestinal lipid sensing
Notice bibliographique
Résumé
The gastrointestinal (GI) tract is increasingly recognised as a major contributor to energy homoeostasis that impact obesity progression. The gut represents the first site of interaction between incoming nutrients and the host, generating crucial negative feedback signalling to regulate food intake possibly by altering GI function like gastric emptying. In the case of proximal intestinal lipid sensing, several mechanisms have been identified to drive both satiety and satiation. For example, dietary fat is hydrolysed and absorbed into enterocytes. In the upper GI, this stimulates the synthesis of oleoylethanolamide (OEA), which can then act as a signalling molecule to induce satiety via activation of peroxisome proliferator-activated receptor-α and a gut-brain axis.1 Alternatively, activation of enteroendocrine cells (EECs) by free fatty acids binding to G protein-coupled receptor-40 leads to secretion of gut peptides, like cholecystokinin and glucagon-like peptide-1 (GLP-1), which slow gastric emptying and reduce food intake. Interestingly, activation of EECs via free fatty acids is hypothesised to occur on the basolateral side, requiring chylomicron formation, and thus dietary fat hydrolysis, similar to OEA production.2 Given that bile acids, especially cholic acid in mice, emulsify dietary lipids and thus promote efficient hydrolysis and absorption of lipids in the small intestine, their function would implicate a necessity in activating the aforementioned pathways to lower food intake. In GUT , Higuchi et al observed that Cyp8b1-/- mice exhibited reduced body weight and adiposity due to an inhibition of food intake. As expected, lowering cholic acid and other 12α-hydroxylated bile acids via …
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) | 0,001 | 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 | 0,001 |
| 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 ».