MétaCan
Menu
Retour à la cohorte
Enregistrement W4403150924 · doi:10.1210/jendso/bvae163.849

9171 Microbial D-lactate Contributes To Hyperglycemia During Obesity And Is A Potential Therapeutic Target

2024· article· en· W4403150924 sur OpenAlexaff
Dana Kukje Zada, Han Fang, Claudia Gagnon, André Tchernof, André Marette, Jonathan D. Schertzer

Notice bibliographique

RevueJournal of the Endocrine Society · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensUniversité LavalMcMaster University
Organismes subventionnairesnon disponible
Mots-clésObesityMedicineInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Disclosure: D. Kukje Zada: None. H. Fang: None. C. Gagnon: None. A. Tchernof: None. A. Marette: None. J. Schertzer: None. Metabolic disorders including obesity, type 2 diabetes, and metabolic dysfunction associated fatty liver disease (MAFLD), are associated with changes in the intestinal microbiome. The microbiome affects host energy balance by producing metabolites that are substrates for host metabolism. D-lactate, the enantiomer of L-lactate, is one microbial metabolite of interest. In the 1920s, Cori and Cori showed that L-lactate is used as a substrate for glucose production in the liver. It is less well known that they also showed that D-lactate is a more effective substrate for hepatic glycogen deposition relative to L-lactate. Our group previously showed that D-lactate is a key bacterial-derived substrate contributing to liver glycogen and liver fat. Therefore, since D-lactate contributes to host metabolism, we aimed to understand the role of D-lactate in metabolic diseases. First, we characterized the levels of D- versus L-lactate in mouse models of obesity and diabetes. We show that D-lactate levels in portal serum are significantly higher in hyperglycemic and normoglycemic obese mice (n=6-12/group; p<0.0001) relative to their healthy controls. However, there was no difference in diabetic mice. In systemic serum, D-lactate levels are also significantly higher in hyperglycemic and normoglycemic obese mice (n=7-10/group; p<0.0001) as well as in diabetic mice (n=7-10/group; p<0.01). In lean and obese individuals, we also show that there is significantly higher serum D-lactate in obese individuals (n=55; p<0.01). We then aimed to understand if microbial D-lactate is involved in hyperglycemia during obesity. We tested this through oral lactate tolerance tests (oLTT) in chow-fed lean mice versus high fat diet (HFD)-fed obese mice. Administration of 1g/kg of L- or D-lactate resulted in significantly higher blood-glucose in HFD mice relative to chow controls (n=9-10/group; p<0.05 L-lactate; p<0.01 D-lactate). Importantly, oral gavage of D-lactate resulted in significantly higher blood-glucose relative to L-lactate in HFD (n=10/group; p<0.01) but not in chow mice. This suggests that like L-lactate, D-lactate can be converted to glucose and contribute to hyperglycemia, and that D-lactate is a more efficient substrate for glucose production in HFD-fed obese mice. With these results, we can add microbial D-lactate to the Cori cycle which contributes to hyperglycemia in obesity. Considering the role of D-lactate, a bacterial metabolite, in obesity, gut-substrate trap therapies can be used to selectively restrict its absorption by the host to mitigate disease. Our group has validated the optimal dose and length of a poly-L-lactide polymer for use as a D-lactate trap in a diet-induced obesity model and showed that it is effective at lowering blood-glucose in these mice. Currently, we are investigating the role of D-lactate in MAFLD and testing the efficacy of the same polymer at preventing MAFLD in mice. Presentation: 6/3/2024

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,254
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetDiet and metabolism studiesTravaux en français237 207