Alpha-linolenic acid regulates white adipose tissue lipolysis independent of background dietary protein
Notice bibliographique
Résumé
White adipose tissue (WAT) is an endocrine organ essential for maintaining whole-body energy balance by regulating fatty acid uptake, storage, and release. Emerging evidence indicates that omega-3 fatty acids have a role in modulating WAT lipid metabolism. While most studies have focused on marine-derived omega-3s, considerably less is known about alpha-linolenic acid (ALA). Previous research suggests that ALA may prevent or restore impaired lipolysis in dysfunctional WAT. The primary objective of this study was to examine the effects of ALA on WAT lipolytic activity and whether this varied with background dietary protein. Male C57BL/6N mice (n=16/group) were fed moderate-fat diets containing either 1% (low-ALA) or 3% (high-ALA) energy from ALA (provided by flaxseed oil), and either skim milk protein or a soy protein isolate for 8 weeks. Mice fed high-ALA diets showed increased body weight gain and WAT depot weights, reduced serum triglycerides, and increased serum glycerol levels. The higher serum glycerol levels in high-ALA fed mice were reflected in higher glycerol release from cultured adipose tissue explants stimulated with a β-adrenergic agonist. Markers of WAT lipolysis, including ATGL and phosphorylated HSL, were either lower or unchanged in mice fed high-ALA diets. Background dietary protein (from either dairy or soy) had little-to-no-effect on study endpoints. Our data suggests that increased dietary ALA intake improves circulating TAG levels while reducing markers of lipolysis in WAT depots. The increase in glycerol observed with high-ALA intake may point to a potential regulation of WAT glycerogenesis and/or aquaporin expression that warrants future investigation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».