Liraglutide Induces Brown Adipocyte Specific Genes in Mice Skeletal Muscle Tissue
Notice bibliographique
Résumé
Obesity is a risk factor for type 2 diabetes, coronary artery disease, and stroke. Glucagon like peptide ‐1 (GLP‐1) is synthesized by the L cells of ileal mucosa and is released after nutrients ingestion to potentiate glucose stimulated insulin secretion. Liraglutide, a full agonist of the GLP‐1 receptor (GLP‐R), has long‐lasting effects due to its increased resistance to enzymatic degradation. Clinical data has demonstrated the protective effect of liraglutide on weight gain in type 2 diabetes subjects. However, the underlying mechanisms of this protective effect have not been identified. Brown adipose tissue plays a major role in control of energy balance in rodents, whether GLP‐1 activate brown fat differentiation has not been studied. C2C12 myoblasts are known to be able to differentiate into adipocytes after stimulation. By treating the undifferentiated C2C12 myoblast with 5nM liraglutide, we observed a significant induction of GLP‐1 receptor after 24 h. C2C12 cells were cultured to confluence, and then exposed to brown adipocyte differentiation medium in the presence or absence of 5nM liraglutide, the mRNA level of brown fat enriched genes including peroxisome proliferator‐activated receptor α (PPAR‐α) and cell death activator‐A (Cidea) were upregulated after 6 days of induction of differentiation compare to control cells. Induction of peroxisome proliferator‐activated receptor‐γ coactivator (PGC)‐1α mRNA was observed as early as 3 d post‐induction. In vivo study was performed by injecting C57 black/6 mice with liragludie daily for 5 weeks. Both mRNA and protein levels of uncoupling protein‐1(UCP‐1), a brown fat specific gene, are significantly induced in skeletal muscle tissue after liraglutide treatment. Lirglutide also upregulated other brown fat enriched gene including PGC‐1α, Cidea, and PPAR‐α. Our study indicates that liraglutide induces brown adipogenesis. GLP‐1 and its analogues are potential therapies for obesity and obesity related metabolic disorders. Support or Funding Information Central Michigan University Faculty Startup Fund.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».