Multiparameter Screening Reveals a Role for Na+ Channels in Cytokine-Induced β-Cell Death
Notice bibliographique
Résumé
Pancreatic β-cell death plays a role in both type 1 and type 2 diabetes, but clinical treatments that specifically target β-cell survival have not yet been developed. We have recently developed live-cell imaging-based, high-throughput screening methods capable of identifying factors that modulate pancreatic β-cell death, with the hope of finding drugs that can intervene in this process. In the present study, we used a high-content screen and the Prestwick Chemical Library of small molecules to identify drugs that block cell death resulting from exposure to a cocktail of cytotoxic cytokines (25 ng/mL TNF-α, 10 ng/mL IL-1β, and 10 ng/mL IFN-γ). Data analysis with self-organizing maps revealed that 19 drugs had profiles similar to that of the no cytokine condition, indicating protection. Carbamazepine, an antiepileptic Na(+) channel inhibitor, was particularly interesting because Na(+) channels are not generally considered targets for antiapoptotic therapy in diabetes and because the function of these channels in β-cells has not been well studied. We analyzed the expression and characteristics of Na(+) currents in mature β-cells from MIP-GFP mice. We confirmed the dose-dependent protective effects of carbamazepine and another use-dependent Na(+) channel blocker in cytokine-treated mouse islet cells. Carbamazepine down-regulated the proapoptotic and endoplasmic reticulum stress signaling induced by cytokines. Together, these studies point to Na(+) channels as a novel therapeutic target in diabetes.
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) | 0,001 | 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) | 0,001 | 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 ».