Treatment of diabetes with glucagon-like peptide-1 gene therapy
Notice bibliographique
Résumé
IMPORTANCE OF THE FIELD: Glucagon-like peptide (GLP)-1 receptor agonists are in widespread clinical use for the treatment of diabetes. While effective, these peptides require frequent injections to maintain efficacy. Therefore, alternative delivery methods including gene therapy are currently being evaluated. AREAS COVERED IN THIS REVIEW: Here, we review the biology of GLP-1, evidence supporting the clinical use of the native peptide as well as synthetic GLP-1 receptor agonists, and the rationale for their delivery by gene therapy. We then review progress made in the field of GLP-1 gene therapy for both type 1 and type 2 diabetes. WHAT THE READER WILL GAIN: Efforts to improve the biological half-life of GLP-1 receptor agonists are discussed. We focus on the development of both viral and non-viral gene delivery methods, highlighting vector designs and the strengths and weaknesses of these approaches. We also discuss the utility of targeting regulated GLP-1 production to tissues including the liver, muscle, islet and gut. TAKE HOME MESSAGE: GLP-1 is a natural peptide possessing several actions that effectively combat diabetes. Current delivery methods for GLP-1-based drugs are cumbersome and do not recapitulate the normal secretion pattern of the native hormone. Gene therapy offers a useful method for directing long-term production and secretion of the native peptide. Targeted production of GLP-1 using tissue-specific promoters and delivery methods may improve therapeutic efficacy, while also eliminating the burden of frequent injections.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 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 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 ».