Aging impairs cold-induced beige adipogenesis and adipocyte metabolic reprogramming
Notice bibliographique
Résumé
Abstract The energy-burning capability of beige adipose tissue is a potential therapeutic tool for reducing obesity and metabolic disease, but this capacity is decreased by aging. Here, we evaluate the impact of aging on the profile and activity of adipocyte stem and progenitor cells (ASPCs) and adipocytes during the beiging process. We found that aging increases the expression of Cd9 and other fibro-inflammatory genes in fibroblastic ASPCs and blocks their differentiation into beige adipocytes. Fibroblastic ASPC populations from young and aged mice were equally competent for beige differentiation in vitro , suggesting that environmental factors suppress adipogenesis in vivo . Examination of adipocytes by single nucleus RNA-sequencing identified compositional and transcriptional differences in adipocyte populations with age and cold exposure. Notably, cold exposure induced an adipocyte population expressing high levels of de novo lipogenesis (DNL) genes, and this response was severely blunted in aged animals. We further identified natriuretic peptide clearance receptor Npr3 , a beige fat repressor, as a marker gene for a subset of white adipocytes and an aging-upregulated gene in adipocytes. In summary, this study indicates that aging blocks beige adipogenesis and dysregulates adipocyte responses to cold exposure and provides a unique resource for identifying cold and aging-regulated pathways in adipose tissue.
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 | 0,000 | 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) | 0,002 | 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 ».