Sphingolipid Profiling Reveals Different Extent of Ceramide Accumulation in Bovine Retroperitoneal and Subcutaneous Adipose Tissues
Notice bibliographique
Résumé
Sphingolipids are bioactive lipids that can modulate insulin sensitivity, cellular differentiation, and apoptosis in a tissue-specific manner. However, their comparative profiles in bovine retroperitoneal (RPAT) and subcutaneous adipose tissue (SCAT) are currently unknown. We aimed to characterize the sphingolipid profiles using a targeted lipidomics approach and to assess whether potentially related sphingolipid pathways are different between SCAT and RPAT. Holstein bulls (n = 6) were slaughtered, and SCAT and RPAT samples were collected for sphingolipid profiling. A total of 70 sphingolipid species were detected and quantified by UPLC-MS/MS in multiple reaction monitoring (MRM) mode, including ceramide (Cer), dihydroceramide (DHCer), sphingomyelin (SM), dihydrosphingomyelin (DHSM), ceramide-1-phosphate (C1P), sphingosine-1-phosphate (S1P), galactosylceramide (GalCer), glucosylceramide (GluCer), lactosylceramide (LacCer), sphinganine (DHSph), and sphingosine (Sph). Our results showed that sphingolipids of the de novo synthesis pathway, such as DHSph, DHCer, and Cer, were more concentrated in RPAT than in SCAT. Sphingolipids of the salvage pathway and the sphingomyelinase pathway, such as Sph, S1P, C1P, glycosphingolipid, and SM, were more concentrated in SCAT. Our results indicate that RPAT had a greater extent of ceramide accumulation, thereby increasing the concentration of further sphingolipid intermediates in the de novo synthesis pathway. This distinctive sphingolipid distribution pattern in RPAT and SCAT can potentially explain the tissue-specific activity in insulin sensitivity, proinflammation, and oxidative stress in RPAT and SCAT.
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 ».