Omega-3 polyunsaturated fatty acids modify glucose metabolism in THP-1 monocytes
Notice bibliographique
Résumé
Chronic inflammation is a driving factor in diseases like obesity and type 2 diabetes. Enhanced cellular glucose metabolism may contribute to heightened immune activation. A human supplementation trial showed that the n-3 PUFA α-linolenic acid (ALA) reduced oxidative phosphorylation in monocytes. Our objective here is to assess the direct effects of ALA and docosahexaenoic acid (DHA) on glucose metabolism in a cell culture model and to explore possible molecular mechanisms. THP-1 monocytes were treated with 10–40 µmol/L of ALA or DHA and compared with vehicle and oleic acid controls. The Seahorse XFe24 and Oroboros O 2 k Oxygraph systems were used to approximate catabolic rates in the presence of glucose. Both ALA and DHA reduced oxidative phosphorylation. We identified pyruvate dehydrogenase kinase 4 (PDK4) as a possible mechanistic candidate explaining the effect of DHA. Additionally, both n-3 PUFAs reduced lipopolysaccharides-induced IL-1β production, while only DHA increased reactive oxygen species to a small but significant extent. Our data suggest that ALA and DHA trigger a re-wiring of bioenergetic pathways in monocytes, possibly via the upregulation of PDK4. Given the close relationship between cell metabolism and immune cell activation, this may represent a novel mechanism by which n-3 fatty acids modulate immune function and inflammation.
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 | 0,000 | 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) | 0,001 | 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 ».