MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389022897 · doi:10.1096/fasebj.31.1_supplement.1038.4

TNFα exposure induces neuroinflammation and insulin resistance in a rat‐derived hypothalamic cell model, rHypoE‐7

2017· article· en· W4389022897 sur OpenAlexafffund
Matthew N. Clemenzi, Makram E. Aljghami, Leigh Wellhauser, Denise D. Belsham

Notice bibliographique

RevueThe FASEB Journal · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueRegulation of Appetite and Obesity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBanting and Best Diabetes Centre, University of TorontoNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchWeatherhead Center for International Affairs, Harvard UniversityChesapeake Research ConsortiumAnesthesia Patient Safety Foundation
Mots-clésNeuroinflammationInsulin resistanceEndocrinologyInternal medicineTumor necrosis factor alphaInsulinBiologyInsulin receptorProinflammatory cytokineCytokineInflammationMedicine

Résumé

récupéré en direct d'OpenAlex

Obesity is approaching epidemic levels. One of the main characteristics of obesity is the development of insulin resistance, leading to other comorbidities, such as type 2 diabetes mellitus (T2DM) and cardiovascular disease. Insulin resistance has been shown to be induced with obesity in peripheral tissues, such as liver, muscle, and adipocytes, by the pro‐inflammatory cytokine tumor necrosis factor alpha (TNFα). In the hypothalamus, the main brain region for energy regulation, neuroinflammation‐induced insulin resistance has been demonstrated to occur upon prolonged treatment with high levels of insulin and palmitate, and we are exploring whether TNFα, a downstream surrogate for palmitate, has similar effects. We hypothesized that TNFα‐treated rat hypothalamic neurons would exhibit cellular neuroinflammation and insulin resistance as evidenced by increased expression of pro‐inflammatory genes and attenuated phosphorylation of Akt (pAkt) in the insulin signaling pathway. Using an immortalized rat hypothalamic cell line (rHypoE‐7), a well‐characterized NPY‐expressing neuronal line derived from male embryonic hypothalamii, we studied changes in pAkt and inflammatory gene marker mRNA expression after TNFα treatment by Western blot and quantitative real‐time PCR, respectively. A qPCR array of 84 inflammatory markers (receptors, chemokines, and cytokines) demonstrated an increase in the expression of a number of genes encoding inflammatory markers, including Tollip and Caspase‐1 , upon exposure to 100 ng/mL TNFα for 4 h. Neurons pre‐exposed to TNFα (50 ng/mL) for 6 or 16 h exhibited a significant reduction in pAkt compared to control after insulin treatment. TNFα also significantly increased mRNA expression of TNF , IK‐κB , Tollip , Tnfrsf1a , and IL6 at 4 h. In conclusion, pre‐treatment with the inflammatory cytokine TNFα causes cellular insulin resistance in the rHypoE‐7 neurons, consistent with effects seen with TNFα in peripheral tissues. It also mimics insulin‐ and palmitate‐induced insulin resistance in hypothalamic neurons. Further, these results demonstrate that components of the IKK‐β/NF‐κB pathway appear to be activated upon exposure to TNFα, providing a putative target to reverse neuroinflammation and insulin resistance with anti‐inflammatory agents. Support or Funding Information This research was supported by grants from the CIHR, CRC, CFI, NSERC, APS and BBDC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,247
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetRegulation of Appetite and Obesity→Travaux en français237 207→