High-Density Lipoprotein Cholesterol and Nuclear Factor I A in Type 2 Diabetes and Mild Cognitive Impairment: biomarkers and mechanistic insights
Notice bibliographique
Résumé
Introduction Type 2 diabetes (T2D) and mild cognitive impairment (MCI) are interrelated conditions that significantly impair quality of life. This study aimed to identify a feasible biomarker for assessing T2D-MCI risk and to evaluate a potential therapeutic strategy. Material and methods We integrated data from the National Health and Nutrition Examination Survey (NHANES) with Mendelian randomization (MR) to investigate genetic causal relationships between T2D, MCI, and their shared biomarkers. Transcriptomic analysis identified T2D-associated genes. Clinical trials evaluated the short-term effects of modified fasting therapy (MFT) on glucose regulation and cognitive function. Cellular assays and patient samples validated key genes’ roles in biochemical markers and downstream pathways. Results Among 6,356 T2D and 1,138 MCI subjects, vitamin D, high-density lipoprotein cholesterol (HDL-C), globulin, and creatinine were associated with both conditions. MR analysis showed that higher HDL-C levels reduced T2D risk (0.9059, 95% CI: 0.8666–0.9470) but increased MCI risk (OR = 1.0482, 95% CI: 1.0216–1.0755). Nuclear Factor I A (NFIA) was identified as a key HDL-C regulator. In a clinical cohort (17 T2D patients and 23 controls), MFT reduced body mass index fasting glucose, and HDL-C, increased NFIA expression, and improved Montreal Cognitive Assessment scores, especially in T2D-MCI patients. HDL-C rebounded at six months. In vitro, NFIA overexpression increased intracellular HDL-C and suppressed NF-κB signaling, while NFIA knockdown reduced APOA1 and APOE. Conclusions HDL-C has divergent genetic effects on T2D and MCI. NFIA modulates HDL-C and NF-κB activity, supporting metabolic and cognitive improvements. Targeting NFIA through MFT may represent a promising strategy for T2D-MCI prevention and treatment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».