Drug-Initiated Activity Metabolomics Identifies Myristoylglycine as a Potent Endogenous Metabolite for Human Brown Fat Differentiation
Notice bibliographique
Résumé
Worldwide, obesity rates have doubled since the 1980s and in the USA alone, almost 40% of adults are obese, which is closely associated with a myriad of metabolic diseases such as type 2 diabetes and arteriosclerosis. Obesity is derived from an imbalance between energy intake and consumption, therefore balancing energy homeostasis is an attractive target for metabolic diseases. One therapeutic approach consists of increasing the number of brown-like adipocytes in the white adipose tissue (WAT). Whereas WAT stores excess energy, brown adipose tissue (BAT) can dissipate this energy overload in the form of heat, increasing energy expenditure and thus inhibiting metabolic diseases. To facilitate BAT production a high-throughput screening approach was developed on previously known drugs using human Simpson-Golabi-Behmel Syndrome (SGBS) preadipocytes. The screening allowed us to discover that zafirlukast, an FDA-approved small molecule drug commonly used to treat asthma, was able to differentiate adipocyte precursors and white-biased adipocytes into functional brown adipocytes. However, zafirlukast is toxic to human cells at higher dosages. Drug-Initiated Activity Metabolomics (DIAM) was used to investigate zafirlukast as a BAT inducer, and the endogenous metabolite myristoylglycine was then discovered to mimic the browning properties of zafirlukast without impacting cell viability. Myristoylglycine was found to be bio-synthesized upon zafirlukast treatment and was unique in inducing brown adipocyte differentiation, raising the possibility of using endogenous metabolites and bypassing the exogenous drugs to potentially alleviate disease, in this case, obesity and other related metabolic diseases.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».