MétaCan
Menu
Retour à la cohorte

Distinct Roles of Dietary Fat and Sugar in the Development of Obesity, Insulin Resistance, Atherosclerosis and Cardiac Dysfunction in LDL Receptor Knockout Mice

2018· article· en· W3175901441 sur OpenAlexaff
Laís R. Perazza, Noëmie Daniel, Marie Julie Dubois, Geneviève Pilon, Patricia Mitchelle, Khaï Le Quang, Dominic Lachance, Éric Plante, Thibaut Varin, Rihab Bouchareb, Patrick Mathieu, Yves Pouliot, Sylvie F. Gauthier, Denis Roy, Claude Asselin, Mylène Blais, Martin Lessard, André Marette

Notice bibliographique

RevueThe FASEB Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensUniversité de SherbrookeUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésInternal medicineEndocrinologyInsulin resistanceObesityMetabolic syndromeMedicineFatty liverLDL receptorTriglycerideKnockout mouseCholesterolLipoproteinBiologyDiseaseReceptor

Résumé

récupéré en direct d'OpenAlex

The increased consumption of high caloric foods has been associated with the obesity epidemic and a higher incidence of cardiometabolic disease, but the specific role of dietary fat and sugar remains unclear. There is growing evidence that high intake of added sugar contributes to cardiovascular disease (CVD) but whether this is independent from high fat content in the diet remains to be established. To this end, our objective was to determine the impact of high sucrose intake on the features of metabolic syndrome and CVD in a mouse model of atherosclerosis. We used atherosclerosis prone LDLr −/− ApoB 100/100 (LRKOB100) mouse fed either a low‐fat/high‐sucrose (LFHS) or a high‐fat/low‐sucrose (HFLS) diet supplemented with 0.2% cholesterol for 24 weeks. Body weight gain and whole‐body fat mass were greater in HFLS‐fed vs LFHS‐fed mice. HFLS feeding promoted higher liver triglyceride (TG) deposition and plasma hypercholesterolemia when compared to LFHS feeding. HFLS‐fed animals were more insulin resistant than LFHS as revealed by a higher HOMA‐IR index. Unexpectedly, while LFHS‐fed mice were less prone to metabolic impairments, they had significant atherosclerosis development as revealed by extensive aortic plaque formation in comparison to HFLS‐fed mice. Consistent with atherosclerotic plaque formation, echocardiography further suggested that LFHS‐fed LRKOB100 mice developed left ventricle eccentric hypertrophy (LVEH) after only 12 weeks of feeding as compared to HFLS‐fed mice. Determination of the inflammatory status by multiplex analysis revealed that HFLS‐fed mice had elevated hepatic IFN‐γ, circulating MCP‐1 and PAI‐1. Conversely, LFHS‐related atherosclerosis was linked with increased hepatic levels of IL‐1β, IL‐6, RANTES and TNF‐α. In addition to hepatic inflammation, LFHS fed animals showed higher amount of TNF‐α and IFN‐γ in visceral adipose tissue, consistent with activation of metabolic inflammation. Our results indicate that dietary sugar and fat have distinct roles in the development of cardiometabolic diseases in LRKOB100 mice. While high fat intake promotes obesity and metabolic alterations, high sugar intake promotes atherosclerosis and cardiac dysfunction, with a major effect on the hepatic inflammatory profile. Further investigations are needed to unravel the underlying mechanisms by which high sugar intake promotes the atherosclerotic process. This abstract is from the Experimental Biology 2018 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,247
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207