Burn Injury Triggers Distinct Transcriptomic Profiles in Adipose Tissue of Adult and Aged Mice
Notice bibliographique
Résumé
Severe burns are a major global health concern, and are associated with long-term physical and psychological impairments, multi-organ dysfunction, and substantial morbidity and mortality. While burn injuries in adults trigger systemic immuno-metabolic alterations-characterized by white adipose tissue browning, elevated resting energy expenditure, widespread catabolism, and inflammation-these adaptive responses are considerably impaired in older adults, with molecular mechanisms behind these differences remaining largely unclear. As a key regulator of systemic metabolism, investigating the pathological role of adipose tissue (AT) postburn may reveal novel targets that could potentially improve patient outcomes. In this study, we conducted bulk mRNA sequencing and analysis of AT from adult and aged mice to elucidate the transcriptomic changes underlying the distinct postburn responses in these populations. After examining differentially expressed genes in the adult and aged burn mice, the top six upregulated genes in adults (Ucp1, Lgr6, Dio2, Lncbate10, Fabp3, Kng2) were primarily associated with thermogenesis, whereas those in the aged mice (Car6, Spata25, Gm128, Btbd16, Lipm, Abca13) were linked to inflammation, tissue repair, and lipid metabolism. Furthermore, our gene co-expression and enrichment map analysis identified burn-associated modules related to fatty acid oxidation, acetyl thioester CoA, and thermogenesis in adults, whereas leukocyte migration, tumor necrosis factor production, and sister chromatids were in aged mice. Notably, Ppara and Sfpi1 emerged as potential master regulators of co-expressed genes in burn AT of adult and aged mice, respectively. Our findings highlight age-specific differences in burn-induced AT responses and uncover potential molecular regulators that may inform targeted therapeutic strategies to mitigate the post-burn stress response.
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 | 0,001 | 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) | 0,001 | 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 ».