Ruminant <i>Trans</i> Fatty Acid Intake Modulates Inflammation Pathways in the Adipose Tissue Transcriptome of C57BL/6 Mice
Notice bibliographique
Résumé
SCOPE: The study aims to analyze transcriptomic profiles in adipose tissues postconsumption of elaidic acid (EA; trans-18:1n-9) and trans-palmitoleic acid (TPA; trans-16:1n-7), elucidating their different effects on inflammation and glucose metabolism. METHODS AND RESULTS: Twenty C57BL/6 mice are divided into four groups. Each group receives one of the following formulations in drinking water: lecithin nanovesicles, nanovesicles containing either lecithin with EA or TPA (86:14 w/w), or water (control) for 28 days with a regular fat diet (18% calories from fat). Total RNA is extracted, and paired-end sequencing is performed. TPA intake alters the expression of 351 genes compared to EA intake, including 11 downregulated and 340 upregulated genes (fold change [FC] >1.5, p < 0.05). TPA compares to EA upregulated: Slc5a8, Lcn2, Csf3, Scube1, Mapk13, Bdkrb2, Ctla2a, Slc2a1, Oas3, Cx3cl1, Oas2, Nlrp6, Pycard, Cyba, Ddr1, and Prkab1 and downregulated Fas gene. These genes are related to the NOD-like receptor, lipid and atherosclerosis, IL-17 signaling, TNF, nonalcoholic fatty liver disease, cytokine-cytokine receptor interaction, adipocytokine, glucagon, insulin resistance, and inflammatory mediator regulation of TRP channels signaling. CONCLUSION: TPA intake has a distinct impact on the regulation of inflammation and diabetes-related pathways in adipose tissue compared to EA.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».