Analysis of Iron Dysregulation in High‐Fat and Iron‐Deficient Rat Models
Notice bibliographique
Résumé
Iron (Fe) dysregulation has been identified as a contributor to insulin resistance (IR). Fe chelators and phlebotomy have been shown to improve insulin sensitivity. Due to the central role of the liver in Fe regulation, the objective of our study was to examine hepatic total Fe and critical Fe regulatory proteins in both high‐fat (HF) fed model of IR as well as a model of Fe deficiency (FeDEF). METHODS Rats in the HF group were fed a diet with 50% of calories from fat (lard and corn oil) or standard chow for a four‐week period. For the FeDEF model, rats were either fed an FeDEF diet (2–6 mg/kg Fe) or a control diet (50–58 mg/kg Fe). Western blots quantified levels for ferroportin (FPN), ferritin heavy chain (FHC), and ferritin light chain (FLC). Colorimetric analysis was used to quantify total hepatic Fe. RESULTS FPN and ferritin levels were reduced in the FeDEF group (FPN: −49%, p<0.01; ferritin: −44.7%, p < 0.01). While FHC did not show a significant difference in the HF group, FLC levels were elevated (42.1%, p<0.05) and FPN levels were reduced (−56.2%, p<0.05). Total hepatic Fe was found to be elevated in the HF group compared to control (64.1%, p < 0.05). CONCLUSIONS As expected, in the FeDEF group we observed reductions in both Fe storage proteins (ferritin) and the Fe export protein (FPN) compared to control. Interestingly, with the HF group we observed an increase in both Fe storage proteins and total hepatic Fe while the Fe exporting protein FPN was reduced. Our findings suggest the development of IR due to HF feeding is associated with the dysregulation of hepatic Fe. Support or Funding Information Funding was provided by Brigham Young University
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».