MétaCan
Menu
Retour à la cohorte
Enregistrement W4390498581 · doi:10.1038/s41467-023-44559-3

ApoL6 associates with lipid droplets and disrupts Perilipin1-HSL interaction to inhibit lipolysis

2024· article· en· W4390498581 sur OpenAlexaff
Yuhui Wang, Hai P. Nguyen, Pengya Xue, Ying Xie, Danielle Yi, Frances Lin, Jennie Dinh, José A. Viscarra, Nnejiuwa U. Ibe, Robin E. Duncan, Hei Sook Sul

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesU.S. Department of Health and Human Services
Mots-clésLipolysisPerilipinAdipose tissueLipid dropletEndocrinologyInternal medicineWhite adipose tissueAdipose triglyceride lipaseGene knockdownChemistryFatty acid-binding proteinBiologyBiochemistryMedicineApoptosisGene

Résumé

récupéré en direct d'OpenAlex

Adipose tissue stores triacylglycerol (TAG) in lipid droplets (LD) and release fatty acids upon lipolysis during energy shortage. We identify ApoL6 as a LD-associated protein mainly found in adipose tissue, specifically in adipocytes. ApoL6 expression is low during fasting but induced upon feeding. ApoL6 knockdown results in smaller LD with lower TAG content in adipocytes, while ApoL6 overexpression causes larger LD with higher TAG content. We show that the ApoL6 affects adipocytes through inhibition of lipolysis. While ApoL6, Perilipin 1 (Plin1), and HSL can form a complex on LD, C-terminal ApoL6 directly interacts with N-terminal Plin1 to prevent Plin1 binding to HSL, to inhibit lipolysis. Thus, ApoL6 ablation decreases white adipose tissue mass, protecting mice from diet-induced obesity, while ApoL6 overexpression in adipose brings obesity and insulin resistance, making ApoL6 a potential future target against obesity and diabetes.

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)0,0000,000
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 Opus0,008
Tête enseignante GPT0,284
Écart entre enseignants0,276 · 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

Citations34
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetLipid metabolism and biosynthesisTravaux en français237 207