Fluoxetine‐induced hepatic lipid accumulation is mediated by prostaglandin endoperoxide synthase 1 and is linked to elevated 15‐deoxy‐Δ<sup>12,14</sup>PGJ<sub>2</sub>
Notice bibliographique
Résumé
Abstract Major depressive disorder and other neuropsychiatric disorders are often managed with long‐term use of antidepressant medication. Fluoxetine, an SSRI antidepressant, is widely used as a first‐line treatment for neuropsychiatric disorders. However, fluoxetine has also been shown to increase the risk of metabolic diseases such as non‐alcoholic fatty liver disease. Fluoxetine has been shown to increase hepatic lipid accumulation in vivo and in vitro. In addition, fluoxetine has been shown to alter the production of prostaglandins which have also been implicated in the development of non‐alcoholic fatty liver disease. The goal of this study was to assess the effect of fluoxetine exposure on the prostaglandin biosynthetic pathway and lipid accumulation in a hepatic cell line (H4‐II‐E‐C3 cells). Fluoxetine treatment increased mRNA expression of prostaglandin biosynthetic enzymes ( Ptgs1 , Ptgs2 , and Ptgds ), PPAR gamma ( Pparg ), and PPAR gamma downstream targets involved in fatty acid uptake ( Cd36 , Fatp2 , and Fatp5 ) as well as production of 15‐deoxy‐Δ 12,14 PGJ 2 a PPAR gamma ligand. The effects of fluoxetine to induce lipid accumulation were attenuated with a PTGS1 specific inhibitor (SC‐560), whereas inhibition of PTGS2 had no effect. Moreover, SC‐560 attenuated 15‐deoxy‐Δ 12,14 PGJ 2 production and expression of PPAR gamma downstream target genes. Taken together these results suggest that fluoxetine‐induced lipid abnormalities appear to be mediated via PTGS1 and its downstream product 15d‐PGJ 2 and suggest a novel therapeutic target to prevent some of the adverse effects of fluoxetine treatment.
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) | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».