MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411363462 · doi:10.1101/2025.06.12.659280

A bioenergetic basis for multiorgan dysfunction in sepsis

2025· preprint· en· W4411363462 sur OpenAlexaff
Elisa Jentho, Temitope W. Ademolue, Hessel Peters‐Sengers, Joe M. Butler, Linlin Xu, Sharad Rastogi, Jamil Z. Kitoko, Sara Pagnotta, Bernhard Drotleff, Pedro Faísca, Valentyna O. Polishchuk, Miguel Mesquita, Paul Horn, Uta Barbara Metzing, Sílvia Cardoso, Gilles Mithieux, Michael Bauer, Osoul Chouchane, Sebastian Weis, Gianni Panagiotou, Christian von Loeffelholz, Tom van der Poll, Miguel P. Soares

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésMultiorgan failureBioenergeticsSepsisBasis (linear algebra)MedicineIntensive care medicineInternal medicineBiologyCell biologyMathematics

Résumé

récupéré en direct d'OpenAlex

Sepsis is a life-threatening multiorgan dysfunction that develops from a maladaptive host response to infection 1 . With an estimated 49 million cases per year and ∼11 million related deaths 2 , sepsis is a global WHO health priority 3 . Failure to overcome sepsis morbidity and lethality 4,5 calls for alternative therapeutic approaches 6–8 . Here we report that adipocyte lipolysis is vital to prevent the pathogenesis of sepsis in mice. This protective response is evolutionary conserved, producing a plasma lipidomic profile 9,10 that reflects on the severity of clinical sepsis. Mechanistically, adipocyte lipolysis fuels energy metabolism to sustain adaptive thermoregulation to infection, via insulin production and insulin receptor (INSR) signaling in adipocytes. This metabolic-based defense strategy does not impact on bacterial burden, establishing disease tolerance to infection 11–14 . In conclusion, adipocyte lipolysis induces insulin to rewire energy metabolism and support organ function in response to infection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,255
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAdipose Tissue and Metabolism→Travaux en français237 207→