A gut microbial metabolite of linoleic acid ameliorates liver fibrosis by inhibiting TGF-β signaling in hepatic stellate cells
Notice bibliographique
Résumé
Abstract The antidiabetic drug pioglitazone ameliorates insulin resistance by activating the transcription factor PPARγ. In addition to its blood glucose–lowering action, pioglitazone exerts pleiotropic effects including amelioration of nonalcoholic fatty liver disease (NAFLD)/nonalcoholic steatohepatitis (NASH). The mechanism by which pioglitazone achieves this latter effect has remained unclear, however. We here show that pioglitazone administration increases the amount of linoleic acid (LA) metabolites in adipose tissue of KK-Ay mice. These metabolites are produced by lactic acid bacteria in the gut, and pioglitazone also increased the fraction of Lactobacillus in the gut microbiota. Administration of the LA metabolite HYA (10-hydroxy-cis-12-octadecenoic acid) to C57BL/6J mice fed a high-fat diet improved liver histology including steatosis, inflammatory cell infiltration, and fibrosis. Gene ontology analysis of RNA-sequencing data for the liver revealed that the top category for genes downregulated by HYA treatment was related to extracellular matrix, and the expression of individual genes related to fibrosis was confirmed to be attenuated by HYA treatment. Mechanistically, HYA suppressed TGF-β–induced Smad3 phosphorylation and fibrosis-related gene expression in human hepatic stellate cells (LX-2). Our results implicate LA metabolites in the mechanism by which pioglitazone ameliorates liver fibrosis, and they suggest that HYA is a potential therapeutic for NAFLD/NASH.
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 | 0,001 |
| 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 ».