PPARγ As a Potential Target for Adipogenesis Induced by Fine Particulate Matter in 3T3-L1 Preadipocytes
Notice bibliographique
Résumé
Mounting evidence has shown that ambient PM 2.5 exposure is closely associated with the development of obesity, and adipose tissue represents an important endocrine target for PM 2.5 . In this study, the 3T3-L1 preadipocyte differentiation model was employed to comprehensively explore the adipogenic potential of PM 2.5 . After 8 days of PM 2.5 exposure, adipocyte fatty acid uptake and lipid accumulation were significantly increased, and adipogenic differentiation of 3T3-L1 cells was promoted in a concentration-dependent manner. Transcriptome and lipidome analyses revealed the systematic disruption of transcriptional and lipid profiling at 10 μg/mL PM 2.5 . Functional enrichment and visualized network analyses showed that the peroxisome proliferator-activated receptor (PPAR) pathway and the metabolism of glycerophospholipids, glycerolipids, and sphingolipids were most significantly affected during adipocyte differentiation. Reporter gene assays indicated that PPARγ was activated by PM 2.5, demonstrating that PM 2.5 promoted adipogenesis by activating PPARγ. The increased transcriptional and protein expressions of PPARγ and downstream adipogenesis-associated markers ( e.g., Fabp4 and CD36) were further cross-validated using qRT-PCR and western blot. PM 2.5 -induced adipogenesis, PPARγ pathway activation, and lipid remodeling were significantly attenuated by the supplementation of a PPARγ antagonist (T0070907). Overall, this study yielded mechanistic insights into PM 2.5 -induced adipogenesis in vitro by identifying the potential biomolecular targets for the prevention of PM 2.5 -induced obesity and 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 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 | 0,001 |
| 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) | 0,001 | 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 ».