<scp>MitoNEET</scp> preserves muscle insulin sensitivity during iron overload by regulating mitochondrial iron, reactive oxygen species and fission
Notice bibliographique
Résumé
Iron overload (IO) is known to contribute to metabolic dysfunctions such as type 2 diabetes and insulin resistance. Using L6 skeletal muscle cells overexpressing the CDGSH iron-sulfur domain-containing protein 1 (CISD1, also known as mitoNEET) (mitoN) protein, we examined the potential role of MitoN in preventing IO-induced insulin resistance. In L6 control cells, IO resulted in insulin resistance which could be prevented by MitoN as demonstrated by western blot of p-Akt and Akt biosensor cells. Mechanistically, IO increased; mitochondrial iron accumulation, mitochondrial reactive oxygen species (ROS), Fis1-dependent mitochondrial fission, mitophagy, FUN14 domain-containing protein 1 (FUNDC1) expression, and decreased Parkin. MitoN overexpression was able to reduce increases in mitochondrial iron accumulation, mitochondrial ROS, mitochondrial fission, mitophagy and FUNDC1 upregulation due to IO. MitoN did not have any effect on the IO-induced downregulation of Parkin. MitoN alone also upregulated peroxisome proliferator-activated receptor gamma coactivator 1 alpha (PGC1α) protein levels, a master regulator of mitochondrial biogenesis. The use of mitochondrial antioxidant, Skq1, or fission inhibitor, Mdivi-1, prevented IO-induced insulin resistance implying both mitochondrial ROS and fission play a causal role in the development of insulin resistance. Taken together, MitoN is able to confer protection against IO-induced insulin resistance in L6 skeletal muscle cells through regulation of mitochondrial iron content, mitochondrial ROS, and mitochondrial fission.
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 | 0,001 |
| 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) | 0,000 | 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 ».