Lingonberry Improves Hepatic Lipid Metabolism by Targeting Notch1 Signaling
Notice bibliographique
Résumé
Impaired hepatic lipid metabolism is a hallmark of non-alcoholic fatty liver disease (NAFLD), which has no effective treatment option. Recently, Notch signaling has been identified as an important mediator of hepatic lipid metabolism. Lingonberry (Vaccinium vitis-idaea L.) is an anthocyanin-rich fruit with significant lipid-lowering properties. In this study, we examined how lingonberry influenced Notch signaling and fatty acid metabolism in a mouse model of NAFLD. Mice (C57BL/6J) fed a high-fat diet (HFD) for 12 weeks developed fatty liver and activated hepatic Notch1 signaling. Lingonberry supplementation inhibited hepatic Notch1 signaling and improved lipid profile by improving the expression of the genes involved in hepatic lipid metabolism. The results were verified using a palmitic-acid-challenged cell model. Similar to the animal data, palmitic acid impaired cellular lipid metabolism and induced Notch1 in HepG2 cells. Lingonberry extract or cyanidin-3-glucoside attenuated Notch1 signaling and decreased intracellular triglyceride accumulation. The inhibition of Notch in the hepatocytes attenuated sterol-regulatory-element-binding-transcription-factor-1 (SREBP-1c)-mediated lipogenesis and increased the expression of carnitine palmitoyltransferase-I-alpha (CPTIα) and acyl-CoA oxidase1 (ACOX1). Taken together, lingonberry’s hepatoprotective effect is mediated by, in part, improving hepatic lipid metabolism via inhibiting Notch1 signaling in HFD-induced fatty liver.
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) | 0,001 | 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 ».