Omega-3 and omega-6 fatty acids have distinct effects on endothelial fatty acid content and nitric oxide bioavailability
Notice bibliographique
Résumé
Treatment with high dose icosapent ethyl (IPE), an ethyl ester of the omega-3 fatty acid eicosapentaenoic acid (EPA), significantly reduced ischemic events in patients with either cardiovascular disease (CV) or diabetes plus other risk factors (REDUCE-IT) but the mechanism is not well understood. We compared the effects of EPA, docosahexaenoic acid (DHA), and the omega-6 fatty acid arachidonic acid (AA) on bioavailability of nitric oxide (NO) and fatty acid composition. Human umbilical vein endothelial cells (HUVECs) were pretreated with EPA, DHA, or AA (10 µM). Cells were stimulated with calcium ionophore and NO and peroxynitrite (ONOO−) were measured using porphyrinic nanosensors. Levels of EPA, DHA, AA and other fatty acids were measured by gas chromatography (GC). EPA treatment caused the greatest NO release (18%, p < 0.001) and reduction in ONOO− (13%, p < 0.05) compared to control; the [NO]/[ ONOO−] ratio increased by 35% (p < 0.001). DHA treatment increased NO levels by 12% (p < 0.01) but had no effect on ONOO− release. AA did not affect either NO or ONOO− release. Fatty acid treatments increased their respective levels in endothelial cells. EPA levels increased 10-fold to 4.59 mg/g protein (p < 0.001) with EPA treatment and the EPA/AA ratio increased by 10-fold (p < 0.001) compared to vehicle. Only EPA increased docosapentaenoic acid (DPA, omega-3) levels by 2-fold (p < 0.001). AA alone decreased the EPA/AA ratio 4-fold (p<0.001). These findings support a preferential benefit of EPA on endothelial function and omega-3 fatty acid content.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».