Metabolic routing maintains the unique fatty acid composition of phosphoinositides
Notice bibliographique
Résumé
Abstract Phosphoinositide lipids (PPIn) are enriched in stearic‐ and arachidonic acids (38:4) but how this enrichment is established and maintained during phospholipase C (PLC) activation is unknown. Here we show that the metabolic fate of newly synthesized phosphatidic acid (PA), the lipid precursor of phosphatidylinositol (PI), is influenced by the fatty acyl‐CoA used with preferential routing of the arachidonoyl‐enriched species toward PI synthesis. Furthermore, during agonist stimulation the unsaturated forms of PI(4,5P) 2 are replenished significantly faster than the more saturated ones, suggesting a favored recycling of the unsaturated forms of the PLC‐generated hydrolytic products. Cytidine diphosphate diacylglycerol synthase 2 (CDS2) but not CDS1 was found to contribute to increased PI resynthesis during PLC activation. Lastly, while the lipid transfer protein, Nir2 is found to contribute to rapid PPIn resynthesis during PLC activation, the faster re‐synthesis of the 38:4 species does not depend on Nir2. Therefore, the fatty acid side‐chain composition of the lipid precursors used for PI synthesis is an important determinant of their metabolic fates, which also contributes to the maintenance of the unique fatty acid profile of PPIn lipids.
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 | 0,000 | 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 ».