Sensitive Profiling of Mouse Liver Membrane Proteome Dysregulation Following a High‐Fat and Alcohol Diet Treatment
Notice bibliographique
Résumé
Alcohol consumption and high-fat (HF) diets often coincide in Western society, resulting in synergistic negative effects on liver function. Although studies have analyzed the global protein expression in the context of alcoholic liver disease (ALD) and metabolic dysfunction-associated steatotic liver disease (MASLD), none has offered specific insights on liver dysregulation at the membrane proteome level. Membrane-specific profiling of metabolic and compensatory phenomena is usually overshadowed in conventional proteomic workflows. In this study, we use the Peptidisc method to isolate and compare the membrane protein (MP) content of the liver with its unique biological functions. From mice fed with an HF diet and ethanol in drinking water, we annotate over 1500 liver proteins with half predicted to have at least one transmembrane segment. Among them, we identify 106 integral MPs that are dysregulated compared to the untreated sample. Gene Ontology analysis reveals several dysregulated membrane-associated processes like lipid metabolism, cell adhesion, xenobiotic processing, and mitochondrial membrane formation. Pathways related to cholesterol and bile acid transport are also mutually affected, suggesting an adaptive mechanism to counter the upcoming steatosis of the liver model. Taken together, our Peptidisc-based profiling of the diet-dysregulated liver provides specific insights and hypotheses into the role of the transmembrane proteome in disease development, and flags desirable MPs for therapeutic and diagnostic targeting.
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) | 0,000 | 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 ».