Physical Activity and Exercise Promote Peroxisome Proliferator-Activated Receptor Gamma Expression in Adipose Tissues of Obese Adults
Notice bibliographique
Résumé
Background: Peroxisome proliferator-activated receptor gamma (PPARγ) has recently been studied for its potential influence on the functional response of the human body to exercise. We aimed to investigate the association of habitual physical activity (PA) with PPARγ mRNA level in the visceral and subcutaneous adipose tissues (VAT and SAT) in non-obese and obese non-diabetic adults. Methods: VAT and SAT were obtained from 95 individuals, including 40 non-obese (BMI<30kg/m2) and 55 obese (BMI≥30kg/m2) who underwent elective abdominal surgery (Tehran, Iran, 2012-2015). The assessment of habitual PA was performed by a valid and reliable International PA Questionnaire-long form, and the metabolic equivalent of task (MET) was evaluated. Real-time quantitative reverse transcriptase-PCR evaluated the PPARγ expression in VAT and SAT. Results: PPARγ expression in both VAT (1.18 vs. 0.37 fold change, P<0.001) and SAT (2.07 vs. 0.29 fold change, P=0.004) among obese subjects was higher than the non-obese group. After controlling for age, sex, and total energy intake, a positive association was found between total METs and PPARγ expression in both VAT and SAT among obese participants (β=0.22, P=0.007 and β=0.12, P<0.001, respectively). Among obese participants, there was a direct association between leisure time-related METs with VAT PPARγ expression (β=0.05, P=0.026). Moreover, in this group, an association was observed between occupation-related METs with PPARγ in both fat tissues (β=0.11, P=0.002 and β=0.17, P=0.013, respectively), and household work-related METs with SAT PPARγ (β=0.21, P=0.011). Conclusion: High PA as an indispensable part of a healthy lifestyle may exert its beneficial effect by regulating PPARγ expression.
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) | 0,001 | 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 | 0,001 |
| 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 ».