Effects of a (pro)renin receptor blocker on weight gain in obese mice
Notice bibliographique
Résumé
Objective Elucidate the role of the (pro)renin receptor [(P)RR] in obesity using a mouse model. Methods Mice were fed with a normal (N) or high‐fat/high carbohydrate (HF/HC) diet and treated with saline or a (P)RR blocker [(P)RRB] for 10 weeks. At sacrifice, white adipose tissue (WAT) [subcutaneous fat (SCF), perirenal fat (PRF), perigonadal fat (PGF)] were collected. mRNA was assessed by real‐time PCR, proteins by Western Blot and circulating proteins by array. Results (P)RRB decreased weight gain only in mice receiving a HF/HC diet compared to the saline group. (P)RR and renin mRNA in all WAT were increased with obesity compared to N diet without any effect of the (P)RRB with the exception of the SCF where (P)RR was decreased. (P)RR protein increased similarly to mRNA expression with obesity in PRF and SCF but was unaffected by the (P)RRB. Leptin and mesoderm‐specific transcript/paternally expressed gene 1 (MEST/PEG1), a marker of adipocyte cell size, mRNA increased with obesity in all WAT and decreased with (P)RRB on both diets. A similar effect was observed for resistin mRNA in SCF. Circulating leptin was modified similarly as its mRNA while circulating resistin was increased with obesity with no effect of the (P)RRB. Conclusion Obesity modulates (P)RR in WAT. (P)RRB seems to decrease weight gain, leptin mRNA and circulating level as well as adipocyte size.
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) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».