Manganese-Induced Oxidative Stress Contributes to Intestinal Lipid Deposition <i>via</i> the Deacetylation of PPARγ at K339 by SIRT1
Notice bibliographique
Résumé
Aims: Excessive manganese (Mn) exposure is toxic, and induces lipid deposition, but the underlying mechanisms remain elusive. Herein, we explored how dietary Mn supplementation affects lipid deposition and metabolism in the intestine of vertebrates using the yellow catfish Pelteobagrus fulvidraco as the model. Results: High-Mn (H-Mn) diet increased intestinal Mn content, promoted lipid accumulation and lipogenesis, and inhibited lipolysis. In addition, it induced oxidative stress, upregulated metal-response element-binding transcription factor-1 (MTF-1), and peroxisome proliferator-activated receptor gamma (PPARγ) protein expression in the nucleus, induced PPARγ acetylation, and the interaction between PPARγ and retinoid X receptor alpha (RXRα), while it downregulated sirtuin 1 (SIRT1) expression and activity. Mechanistically, Mn activated the MTF-1/divalent metal transporter 1 (DMT1) pathway, increased Mn accumulation in the mitochondria, and induced oxidative stress. This in turn promoted lipid deposition via deacetylation of PPARγ at K339 by SIRT1. Subsequently, PPARγ mediated Mn-induced lipid accumulation through transcriptionally activating fatty acid translocase, stearoyl-CoA desaturase 1, and perilipin 2 promoters. Innovation: These studies uncover a previously unknown mechanism by which Mn induces lipid deposition in the intestine via the oxidative stress–SIRT1–PPARγ pathway. Conclusion: High dietary Mn intake activates MTF-1/DMT1 and oxidative stress pathways. Oxidative stress-mediated PPARγ deacetylation at K339 site contributes to increased lipid accumulation. Our results provided a direct link between Mn and lipid metabolism via the oxidative stress–SIRT1–PPARγ axis. Antioxid. Redox Signal . 37, 417–436.
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 | 0,000 |
| 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 | 0,001 | 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 ».