The role of pituitary adenylate cyclase-activating polypeptide in sympathetic regulation of brown adipose tissue function
Notice bibliographique
Résumé
Obesity is a multi-factorial, chronic metabolic disease that forms due to the imbalance of energy metabolism. Scientists are actively working to identify potential therapeutic targets to combat obesity. Pituitary adenylate cyclase-activating polypeptide (PACAP) has been recognized as a neuropeptide involved in regulating adaptive thermogenesis, a physiological mechanism of energy expenditure. The role of PACAP in catecholamine secretion is wellstudied at the sympatho-adrenomedullary axis; however, the function of PACAP in the pripheral sympathetic nervous system (SNS) is not characterized. We developed an ex vivo model aiming to study PACAP‟s role in the peripheral ganglia in regulating catecholamine secretion and downstream adrenergic signaling. To validate the model, we used two nicotinic acetylcholine receptor (nAChR) agonists (dimethylphenylpiperazinium (DMPP), nicotine) to stimulate postganglionic nerves of the stellate ganglia and assessed molecular markers (cyclic adenosine monophosphate (cAMP) and phospho-hormone-sensitive lipase (p-HSL) (Ser563)) of norepinephrine-stimulated adrenergic signaling in interscapular brown adipose tissue (iBAT). Delivering nAChR agonists to the stellate ganglia did not increase the production of cAMP and p-HSL (Ser563) in iBAT, demonstrating that, as currently implemented, our model is not suitable to study PACAP‟s function in the peripheral ganglia. Although the model was deemed to be unsuccessful, outcomes of this study have helped us understand the challenges of working with a sympathetic ganglion, and the optimization of protocols to measure molecular markers of adrenergic stimulation established in this study will be useful for future studies examining sympathetic nerve activity in peripheral organs.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».