Punicalagin Attenuates Palmitate‐Induced Lipid Droplet Content by Simultaneously Improving Autophagy in Hepatocytes
Notice bibliographique
Résumé
SCOPE: Several studies show that excessive lipid intake can cause hepatic steatosis. To investigate lipotoxicity on cellular level, palmitate (PA) is often used to highly increase lipid droplets (LDs). One way to remove LDs is autophagy, while it is controversially discussed if autophagy is also affected by PA. It is aimed to investigate whether PA-induced LD accumulation can impair autophagy and punicalagin, a natural autophagy inducer from pomegranate, can improve it. METHODS AND RESULTS: To verify the role of autophagy in LD degradation, HepG2 cells are treated with PA and analyzed for LD and perilipin 2 content in presence of autophagy inducer Torin 1 and inhibitor 3-Methyladenine. PA alone seems to initially induce autophagy-related proteins but impairs autophagic-flux in a time-dependent manner, considering 6 and 24 h PA. To examine whether punicalagin can prevent autophagy impairment, cells are cotreated for 24 h with PA and punicalagin. Results show that punicalagin preserves expression of autophagy-related proteins and autophagic flux, while simultaneously decreasing LDs and perilipin 2. CONCLUSION: Data provide new insights into the role of PA-induced excessive LD content on autophagy and suggest autophagy-inducing properties of punicalagin, indicating that punicalagin can be a health-beneficial compound for future research on lipotoxicity in liver.
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) | 0,000 | 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) | 0,002 | 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 ».