Med24
metabolische-therapie 29. 10. 2026 • 2 min read • PloS one (PubMed)

Genomische Analyse zur Aufdeckung des genetischen Architektons von Insulinresistenz

Diese Studie nutzte die Genomic Structural Equation Modeling (SEM)-Analyse, um die gemeinsame genetische Architektur von Insulinresistenz und verwandten Stoffwechselmerkmalen zu untersuchen. Die Ergebnisse identifizierten spezifische genetische Risikoloci und Gene, die eine wichtige Rolle bei der Entstehung dieser Erkrankung spielen.

Graf znázorňující souvislost mezi metabolickým zátěžovým nákladem a kognitivními schopnostmi u starších dospělých.

Diese Studie verwendete Genomic Structural Equation Modeling (SEM), um die gemeinsame genetische Architektur von Insulinresistenz und verwandten metabolischen Merkmalen zu untersuchen. Die Analyse umfasste die Messung von Fasting-Insulin, Insulinempfindlichkeit, Triglyceriden und dem Taillenumfang-Hüftverhältnis. Ein latenter genetischer Faktor wurde konstruiert, der ein biologisch konsistentes genetisches Muster aufzeigte, mit spezifischen Lastungen für jede gemessene Eigenschaft.

Identifizierung von Genen und SNP

Die Forschung identifizierte 3.067 genome-weite signifikante Kandidat-SNP und 100 genomische Risikoloci. Funktional-annotationsanalysen ergaben 1.530 FDR-signifikante Gene, wobei priorisierte Regionen in der Nähe von Genen wie PPARG, RSPO3, SLC38A11, SLC39A8, BCL2, GDF5 und SPATA5 gefunden wurden. Transcriptom-weite Assoziationsanalysen und weitere Untersuchungen stellten Kandidatengen beteiligt an der Adipozytenbiologie, Glukose-Lipid-Metabolismus, Insulinsekretion und Expressionsregulation fest, darunter MLXIPL, TCF7L2, FAM13A, CCDC92 und SLC22A3.

Sponsored content

Strukturelle Biologie-Modellierung

Enrichment-Analysen zeigten Assoziationen mit Fettverteilung, kardiovaskulären Merkmalen, Adipozentgewebe, mesenchymalen Zelllinien und aktiven regulatorischen genomischen Regionen. Eine explorative Analyse nutzte strukturelle Biologie-Modellierung, um potenzielle strukturelle Störungen ausgewählter Missense-Substitutionen in Kandidatenproteinen zu bewerten, einschließlich BCL2-W188G, GDF5-C400Y und RSPO3-C129Y. Diese Substitutionen wurden auf Grundlage ihres funktionalen Einflusses und der Modellierungsfähigkeit ausgewählt.

Original Scientific Source
PloS one (PubMed)
View Original Source
Medizinischer Haftungsausschluss Alle Berechnungen, Empfehlungen und Interpretationen auf dieser Plattform dienen ausschließlich Informations- und Bildungszwecken. Sie ersetzen keine fachärztliche Untersuchung, Diagnose oder Therapie. Wenden Sie sich bei gesundheitlichen Fragen stets an Ihren behandelnden Arzt.

Recommended Medical News

All news →
18F-FDG-Nanotechnologie: Einblicke in die Insulinresistenz
metabolische-therapie

18F-FDG-Nanotechnologie: Einblicke in die Insulinresistenz

Die Insulinresistenz stellt eine bedeutende metabolische Herausforderung dar, die mit Erkrankungen wie Typ-2-Diabetes, Fettleibigkeit und metabolischer Syndrom verbunden ist. 18F-FDG-PET Imaging bietet eine nicht-invasive Methode zur Beurteilung des Glukoseaufnahmes und -stoffwechsels. Die Anwendung von Nanotechnologie in Verbindung mit 18F-FDG verspricht präzisere Messungen und neue Perspektiven.

10. 11. 2026 Read article →
GLP-1-Signale und Insulinresistenz: Neue Perspektiven bei Neurodegeneration
metabolische-therapie

GLP-1-Signale und Insulinresistenz: Neue Perspektiven bei Neurodegeneration

Die Verbindung zwischen Stoffwechselstörungen und neurodegenerativen Erkrankungen ist ein zentrales Forschungsgebiet. Neue Erkenntnisse deuten auf eine wechselseitige Beziehung hin, bei der Insulinresistenz, Fettleibigkeit und chronische metabolische Entzündungen die Gehirnfunktion beeinflussen und neuronale Überlebensfähigkeit, synaptische Plastizität und neuroimmunologische Prozesse beeinträchtigen können. GLP-1-Rezeptoragonisten, ursprünglich für Diabetes und Gewichtsmanagement entwickelt, werden als potenzielle Therapien für neurodegenerative Erkrankungen wie Alzheimer und Parkinson untersucht.

30. 10. 2026 Read article →
Advertisement