Discovery of Novel Glucose-Regulated Proteins in Isolated Human Pancreatic Islets Using LC–MS/MS-Based Proteomics
Notice bibliographique
Résumé
The prevalence of diabetes mellitus is increasing dramatically throughout the world, and the disease has become a major public health issue. The most common form of the disease, type 2 diabetes, is characterized by insulin resistance and insufficient insulin production from the pancreatic beta-cell. Since glucose is the most potent regulator of beta-cell function under physiological conditions, identification of the insulin secretory defect underlying type 2 diabetes requires a better understanding of glucose regulation of human beta-cell function. To this aim, a bottom-up LC-MS/MS-based proteomics approach was used to profile pooled islets from multiple donors under basal (5 mM) or high (15 mM) glucose conditions. Our analysis discovered 256 differentially abundant proteins (∼p < 0.05) after 24 h of high glucose exposure from more than 4500 identified in total. Several novel glucose-regulated proteins were elevated under high glucose conditions, including regulators of mRNA splicing (pleiotropic regulator 1), processing (retinoblastoma binding protein 6), and function (nuclear RNA export factor 1), in addition to neuron navigator 1 and plasminogen activator inhibitor 1. Proteins whose abundances markedly decreased during incubation at 15 mM glucose included Bax inhibitor 1 and synaptotagmin-17. Up-regulation of dicer 1 and SLC27A2 and down-regulation of phospholipase Cβ4 were confirmed by Western blots. Many proteins found to be differentially abundant after high glucose stimulation are annotated as uncharacterized or hypothetical. These findings expand our knowledge of glucose regulation of the human islet proteome and suggest many hitherto unknown responses to glucose that require additional studies to explore novel functional roles.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».