A novel blood-based bioassay to monitor adiponectin signaling
Notice bibliographique
Résumé
The diverse beneficial effects of adiponectin-receptor signaling, including its impact on the regulation of inflammatory processes in vivo, have resulted in development of adiponectin receptor agonists as a treatment for metabolic disorders. However, there are no established non-invasive bioassays for detection of adiponectin target engagement in humans or animal models. Here, we designed an assay using small amounts of blood to assess adiponectin action. Specifically, we tested effects of the small 10-amino acid peptide adiponectin receptor agonist, ALY688, in a sublethal LPS endotoxemia model in mice. LPS-induced pro-inflammatory cytokine levels in serum were significantly reduced in mice treated with ALY688, assessed via multiplex ELISA in flow cytometry. Furthermore, ALY688 alone significantly induced TGF-β release in serum 1 h after treatment and was elevated for up to 24 h. Additionally, using a flow-cytometry panel for detection of changes in circulating immune cell phenotypes, we observed a significant increase in absolute T cell counts in mice after ALY688 treatment. To assess changes in intracellular signaling effectors downstream of adiponectin, phospho-flow cytometry was conducted. There was a significant increase in phosphorylation of AMPK and p38-MAPK in mice after ALY688 treatment. We then used human donor immune cells (PBMCs) treated with ALY688 ex vivo and observed elevation of AMPK and p38-MAPK phosphorylation from baseline in response to ALY688. Together, these results indicate we can detect adiponectin action on immune cells in vivo by assessing adiponectin signaling pathway for AMPK and p38-MAPK, as well as pro-inflammatory cytokine levels. This new approach provides a blood-based bioassay for screening adiponectin action.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| 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 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 ».