MétaCan
Menu
Retour à la cohorte
Enregistrement W4416204551 · doi:10.1186/s40364-025-00857-0

Global mapping of RNA N6-methyladenosine (m6A) in human subcutaneous and visceral adipose tissue reveals novel targets that correlate with clinical variables of obesity

2025· article· en· W4416204551 sur OpenAlexaff
Torunn Rønningen, Yong Zeng, Mai Britt Dahl, Junbai Wang, Tina Visnovska, Tone Tannæs, Lars la Cour Poulsen, Akın Çayır, Stina Ingrid Alice Svensson, Marius Svanevik, Jens Kristoffer Hertel, Jøran Hjelmesæth, Jon Kristinsson, Tom Mala, Matthias Blüher, Housheng Hansen He, Tone Gretland Valderhaug, Yvonne Böttcher

Notice bibliographique

RevueBiomarker Research · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesHelse Sør-Øst RHFAkershus UniversitetssykehusUniversitetet i OsloNorwegian Sequencing Centre
Mots-clésAdipose tissueObesitySubcutaneous adipose tissueSubcutaneous fatIntra-Abdominal FatHuman obesity

Résumé

récupéré en direct d'OpenAlex

Abstract Background Obesity is a major health challenge and fat accumulation in visceral depots is more strongly associated with metabolic comorbidities than deposition in subcutaneous depots. Epitranscriptomic regulation of gene expression by N 6 -methyladenosine (m 6 A) influences various aspects of RNA metabolism, however the m 6 A methylome in human adipose tissue and its relationship with fat distribution has not yet been investigated in detail. Methods In this study, we performed epitranscriptomic mapping of m 6 A in intra-individually paired samples of subcutaneous (SAT) and omental visceral adipose tissue (OVAT) from women with normal weight (BMI ≤25, n = 3) and obesity (BMI ≥35, n = 10) using meRIP-seq (discovery cohort). We further investigated differential m 6 A methylation for specific target genes in a larger cohort of individuals with obesity ( n = 72, validation cohort) using meRIP-qPCR. meRIP-seq was performed for primary adipocytes from a subset of the patients ( n = 4) to account for cell type specific differences. Results We here provide the first global map of m 6 A in human adipose tissue in paired samples of SAT and OVAT. We show an overall high overlap in m 6 A sites between individuals and depots, but also distinct depot-specific differences. We identify 339 target genes showing depot-specific m 6 A methylation. Depot-specific methylation was validated for selected sites in SEMA3A , SNAP47 and PPP1R9A in a larger validation cohort. We additionally identify differentially methylated targets between lean individuals and individuals with obesity, including TSC22D1 , FMNL2 and IL1R1 . By combining data from primary adipocytes with data from corresponding bulk adipose tissue, we identified a higher number of genes containing m 6 A in non-adipocyte cells in OVAT compared to SAT. Mechanistically, we show for selected targets that m 6 A affects RNA lifetime in pre-adipocyte cell culture models. Importantly, m 6 A methylation in selected targets correlates with clinically important variables related to obesity, fat distribution and glucose metabolism. Conclusions We identify a catalogue of novel targets showing adipose tissue depot specific m 6 A methylation, with potential as biomarkers in metabolic disease. Our findings underscore the regulatory role of m 6 A in obesity and provide valuable insights for future research. The datasets generated represent a significant resource for further insight in adipose tissue biology and its implications for metabolic health.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,402
Écart entre enseignants0,333 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomarker ResearchMême sujetRNA modifications and cancerTravaux en français237 207