Insights into the development of insulin resistance: Unraveling the interaction of physical inactivity, lipid metabolism and mitochondrial biology
Notice bibliographique
Résumé
While impairments in peripheral tissue insulin signalling have a well-characterized role in the development of insulin resistance and type 2 diabetes (T2D), the specific mechanisms that contribute to these impairments remain debatable. Nonetheless, a prominent hypothesis implicates the presence of a high-lipid environment, resulting in both reactive lipid accumulation and increased mitochondrial reactive oxygen species (ROS) production in the induction of peripheral tissue insulin resistance. While the etiology of insulin resistance in a high lipid environment is rapid and well documented, physical inactivity promotes insulin resistance in the absence of redox stress/lipid-mediated mechanisms, suggesting alternative mechanisms-of-action. One possible mechanism is a reduction in protein synthesis and the resultant decrease in key metabolic proteins, including canonical insulin signaling and mitochondrial proteins. While reductions in mitochondrial content associated with physical inactivity are not required for the induction of insulin resistance, this could predispose individuals to the detrimental effects of a high-lipid environment. Conversely, exercise-training induced mitochondrial biogenesis has been implicated in the protective effects of exercise. Given mitochondrial biology may represent a point of convergence linking impaired insulin sensitivity in both scenarios of chronic overfeeding and physical inactivity, this review aims to describe the interaction between mitochondrial biology, physical (in)activity and lipid metabolism within the context of insulin signalling.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».