Human and mouse muscle transcriptomic analyses identify insulin receptor mRNA downregulation in hyperinsulinemia‐associated insulin resistance
Notice bibliographique
Résumé
Hyperinsulinemia is commonly viewed as a compensatory response to insulin resistance, yet studies have demonstrated that chronically elevated insulin may also drive insulin resistance. The molecular mechanisms underpinning this potentially cyclic process remain poorly defined, especially on a transcriptome-wide level. Transcriptomic meta-analysis in >450 human samples demonstrated that fasting insulin reliably and negatively correlated with INSR mRNA in skeletal muscle. To establish causality and study the direct effects of prolonged exposure to excess insulin in muscle cells, we incubated C2C12 myotubes with elevated insulin for 16 h, followed by 6 h of serum starvation, and established that acute AKT and ERK signaling were attenuated in this model of in vitro hyperinsulinemia. Global RNA-sequencing of cells both before and after nutrient withdrawal highlighted genes in the insulin receptor (INSR) signaling, FOXO signaling, and glucose metabolism pathways indicative of 'hyperinsulinemia' and 'starvation' programs. Consistently, we observed that hyperinsulinemia led to a substantial reduction in Insr gene expression, and subsequently a reduced surface INSR and total INSR protein, both in vitro and in vivo. Bioinformatic modeling combined with RNAi identified SIN3A as a negative regulator of Insr mRNA (and JUND, MAX, and MXI as positive regulators of Irs2 mRNA). Together, our analysis identifies mechanisms which may explain the cyclic processes underlying hyperinsulinemia-induced insulin resistance in muscle, a process directly relevant to the etiology and disease progression of type 2 diabetes.
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 ».