Targeted overexpression of PPARγ in skeletal muscle by random insertion and CRISPR/Cas9 transgenic pig cloning enhances oxidative fiber formation and intramuscular fat deposition
Notice bibliographique
Résumé
Abstract Peroxisome proliferator‐activated receptor gamma (PPARγ) is a master regulator of adipogenesis and lipogenesis. To understand its roles in fiber formation and fat deposition in skeletal muscle, we successfully generated muscle‐specific overexpression of PPARγ in two pig models by random insertion and CRISPR/Cas9 transgenic cloning procedures. The content of intramuscular fat was significantly increased in PPARγ pigs while had no changes on lean meat ratio. PPARγ could promote adipocyte differentiation by activating adipocyte differentiating regulators such as FABP4 and CCAAT/enhancer‐binding protein (C/EBP), along with enhanced expression of LPL, FABP4, and PLIN1 to proceed fat deposition. Proteomics analyses demonstrated that oxidative metabolism of fatty acids and respiratory chain were activated in PPARγ pigs, thus, gathered more Ca 2+ in PPARγ pigs. Raising of Ca 2+ could result in increased phosphorylation of CAMKII and p38 MAPK in PPARγ pigs, which can stimulate MEF2 and PGC1α to affect fiber type and oxidative capacity. These results support that skeletal muscle‐specific overexpression of PPARγ can promote oxidative fiber formation and intramuscular fat deposition in pigs.
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 ».