Activation of dsRNA-Dependent Protein Kinase R by miR-378 Sustains Metabolic Inflammation in Hepatic Insulin Resistance
Notice bibliographique
Résumé
MicroRNAs (miRNAs) are noncoding small RNAs that regulate various pathophysiological cellular processes. Here, we report that expression of the miR-378 family was significantly induced by metabolic inflammatory inducers, a high-fructose diet, and inflammatory cytokine tumor necrosis factor-α. Hepatic miRNA profiling revealed that expression of miR-378a was highly upregulated, which, in turn, targeted the 3′-untranslated region of PPARα mRNA, impaired mitochondrial fatty acid β-oxidation, and induced mitochondrial and endoplasmic reticulum stress. More importantly, the upregulated miR-378a can directly bind to and activate the double-strand RNA (dsRNA)–dependent protein kinase R (PKR) to sustain the metabolic stress. In vivo, genetic depletion of miR-378a prevented PKR activation and ameliorated inflammatory stress and insulin resistance. Counterbalancing the upregulated miR-378a using nanoparticles encapsulated with an anti-miR-378a oligonucleotide restored PPARα activity, inhibited PKR activation and ER stress, and improved insulin sensitivity in fructose-fed mice. Our study delineated a novel mechanism of miR-378a in the pathogenesis of metabolic inflammation and insulin resistance through targeting metabolic signaling at both mRNA (e.g., PPARα) and protein (e.g., PKR) molecules. This novel finding of functional interaction between miRNAs (e.g., miR-378a) and cellular RNA binding proteins (e.g., PKR) is biologically significant because it greatly broadens the potential targets of miRNAs in cellular pathophysiological processes.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».