GABA Protects Human Islet Cells Against the Deleterious Effects of Immunosuppressive Drugs and Exerts Immunoinhibitory Effects Alone
Notice bibliographique
Résumé
BACKGROUND: We recently found that γ-aminobutyric acid (GABA) protects mouse islet β cells. It prevented autoimmune type 1 diabetes in mice, induced islet β-cell regeneration, and exerted immunoinhibitory effects. However, it is not known whether GABA would be equally active on human islet and immune cells. METHODS: In vitro culture of human islets and immune cells with or without GABA and immunosuppressive drugs. In vitro analysis of apoptosis, proliferation, nuclear factor (NF)-κB activation, calcium signaling, and insulin secretion. RESULTS: GABA reduced human islet cell apoptosis in culture, such that the yield of live cells was approximately tripled after 1 week, and it stimulated insulin secretion. It protected against the deleterious effects of rapamycin, tacrolimus, and mycophenolate mofetil. In human immune cells, GABA had inhibitory effects similar to mouse cells, such as suppressed anti-CD3-stimulated T-cell proliferation, in a GABA type A receptor-dependent fashion. The immunosuppressive mechanisms have been unclear, but we found that GABA blocked calcium influx, which is a key activation signal. GABA also suppressed NF-κB activation in both human islet cells and immune cells. We found that it could be combined with rapamycin to increase its suppressive effects. CONCLUSIONS: GABA improved human islet cell survival and had suppressive effects on human immune cells. It inhibited canonical NF-κB activation in both islet and immune cells. This is important because activation of this pathway is detrimental to islet cells and likely promotes damaging autoimmunity and alloreactivity against transplanted islets. These findings suggest that GABA might find applications in clinical islet transplantation.
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) | 0,000 | 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 ».