Ceramide metabolism associated with chronic dietary nutrient surplus and diminished insulin sensitivity in the liver, muscle, and adipose tissue of cattle
Notice bibliographique
Résumé
High dietary energy and protein supply is common practice in livestock nutrition, aiming to maximize growth and production performance. However, a chronic nutritional surplus induces obesity, promotes insulin insensitivity, and triggers low-grade inflammation. Thirty Holstein bulls were randomly assigned to two groups, low energy and protein (LEP), and high energy and protein (HEP) intake, provided from the 13th to the 20th month of life. Body weight, carcass composition, laminitis score, and circulating insulin and glucose concentrations were assessed. The expression and extent of phosphorylation of insulin signaling proteins were measured in the liver, muscle, and adipose tissue. The sphingolipid metabolome was quantified by a targeted liquid chromatography-mass spectrometry based metabolomics approach. The HEP bulls were obese, had hyperinsulinemia with euglycemia, and expressed clinical signs of chronic laminitis. In the liver, protein kinase B (PKB) phosphorylation was decreased and this was associated with a higher tissue concentration of ceramide 16:0, a sphingolipid that diminishes insulin action by dephosphorylating PKB. In the adipose tissue, insulin receptor expression was lower in HEP bulls, associated with higher concentration of hexosylceramide, which reduces the abundance of functional insulin receptors. Our findings confirm that diet-induced metabolic inflammation triggers ceramide accumulation and disturbs insulin signaling. As insulin insensitivity exacerbates metabolic inflammation, this self-reinforcing cycle could explain the deterioration of metabolic health apparent as chronic laminitis. By demonstrating molecular relationships between insulin signaling and sphingolipid metabolism in three major tissues, our data extend our mechanistic understanding of the role of ceramides in diet-induced metabolic inflammation.
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 | 0,001 | 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 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 ».