Dipeptidyl peptidase‐4 inhibition improves cardiac function in experimental myocardial infarction: Role of stromal cell‐derived factor‐1<i>α</i>
Notice bibliographique
Résumé
BACKGROUND: In addition to degrading glucagon-like peptide-1 (GLP-1), dipeptidyl peptidase-4 (DPP-4) inactivates several chemokines, including stromal cell-derived factor-1α (SDF-1α), a pro-angiogenic and cardiomyocyte protective protein. We hypothesized that DPP-4 inhibition may confer benefit following myocardial infarction (MI) in the diabetic setting as a consequence of enhanced SDF-1α availability rather than potentiating GLP-1. To test this we compared the effects of saxagliptin with those of liraglutide and used the SDF-1α receptor (CXCR4) antagonist plerixafor. METHODS: Studies were conducted in streptozotocin-diabetic rats. Rats were randomized to receive saxagliptin (10 mg/kg per day), liraglutide (0.2 mg/kg, s.c., b.i.d.), plerixafor (1 mg/kg per day, s.c.), saxagliptin plus plerixafor or vehicle (1% phosphate-buffered saline). Two weeks later, rats underwent experimental MI, with cardiac function examined 4 weeks after MI. RESULTS: Glycemic control and MI size were similar in all groups. Four weeks after MI, mortality was reduced in saxagliptin-treated rats compared with vehicle treatment (P < 0.05). Furthermore, rats receiving saxagliptin had improved cardiac function compared with vehicle-treated rats (P < 0.05). Antagonism of CXCR4 prevented the improvement in cardiac function in saxagliptin-treated rats and was associated with increased mortality (P < 0.05). CONCLUSION: Saxagliptin-mediated DPP-4 inhibition, but not liraglutide-mediated GLP-1R agonism, improved cardiac function after MI independent of glucose lowering. These findings suggest that non-GLP-1 actions of DPP-4 inhibition, such as SDF-1α potentiation, mediate biological effects.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».