Cold exposure modulates potential brown adipokines in humans, but only <scp>FGF21</scp> is associated with brown adipose tissue volume
Notice bibliographique
Résumé
Abstract Objective The study objective was to investigate the effect of cold exposure on the plasma levels of five potential human brown adipokines (chemokine ligand 14 [CXCL14], growth differentiation factor 15 [GDF15], fibroblast growth factor 21 [FGF21], interleukin 6 [IL6], and bone morphogenic protein 8b [BMP8b]) and to study whether such cold‐induced effects are related to brown adipose tissue (BAT) volume, activity, or radiodensity in young humans. Methods Plasma levels of brown adipokines were measured before and 1 h and 2 h after starting an individualized cold exposure in 30 young adults (60% women, 21.9 ± 2.3 y; 24.9 ± 5.1 kg/m 2 ). BAT volume, 18 F‐fluorodeoxyglucose uptake, and radiodensity were assessed by a static positron emission tomography‐computerized tomography scan after cold exposure. Results Cold exposure increased the concentration of CXCL14 (Δ2h = 0.58 ± 0.98 ng/mL; p = 0.007), GDF15 (Δ2h = 19.63 ± 46.2 pg/mL; p = 0.013), FGF21 (Δ2h = 33.72 ± 55.13 pg/mL; p = 0.003), and IL6 (Δ1h = 1.98 ± 3.56 pg/mL; p = 0.048) and reduced BMP8b (Δ2h = −37.12 ± 83.53 pg/mL; p = 0.022). The cold‐induced increase in plasma FGF21 was positively associated with BAT volume (Δ2h: β = 0.456; R 2 = 0.307; p = 0.001), but not with 18 F‐fluorodeoxyglucose uptake or radiodensity. None of the changes in the other studied brown adipokines was related to BAT volume, activity, or radiodensity. Conclusions Cold exposure modulates plasma levels of several potential brown adipokines in humans, whereas only cold‐induced changes in FGF21 levels are associated with BAT volume. These findings suggest that human BAT might contribute to the circulatory pool of FGF21.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».