Glucagon-Like Peptide 1 Regulates Sequential and Compound Exocytosis in Pancreatic Islet β-Cells
Notice bibliographique
Résumé
Glucagon-like peptide 1 (GLP-1) has been postulated to potentiate insulin secretion by cAMP-mediated enhancement of mobilization and priming of secretory granules, but the precise exocytic events are unknown. We used epi-fluorescent microscopy of the fluorescent dye FM1-43, which incorporates into the plasma membrane and the exocytosing secretory granules (appearing as plasma membrane hotspots). KCl evoked exocytosis of 1.8 +/- 0.5 hotspots/rat beta-cell at the cell periphery, 82% of which are single transient increases of low amplitudes (151 +/- 7%), suggesting single secretory granule exocytosis; and the remaining 18% are stepwise increases in plasma membrane hotspots with higher amplitudes (170 +/- 9%), suggesting sequential secretory granule to secretory granule exocytic fusions. Addition of GLP-1 increased the hotspots to 6.0 +/- 0.7/beta-cell and exhibited a larger number of stepwise (41%) than transient (10%) increases with higher amplitudes of 259 +/- 19 and 278 +/- 23%, respectively. More interestingly, GLP-1 also evoked a robust and sustained pattern (49%) with even higher amplitudes of 354 +/- 18%, which are likely accelerated sequential secretory granule-secretory granule fusions. Electron microscopy studies collaborated with these imaging results, showing that GLP-1 increased the number of docked secretory granules at the plasma membrane and also increased the number of events showing direct contact of oncoming secretory granules with secretory granules undergoing exocytosis. We conclude that the potentiation of insulin secretion by GLP-1 is contributed by the mobilization of more insulin secretory granules to dock at the plasma membrane and the acceleration of sequential secretory granule-secretory granule fusions.
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 ».