Succinate Is a Preferential Metabolic Stimulus-Coupling Signal for Glucose-Induced Proinsulin Biosynthesis Translation
Notice bibliographique
Résumé
The secondary signals emanating from increased glucose metabolism, which lead to specific increases in proinsulin biosynthesis translation, remain elusive. It is known that signals for glucose-stimulated insulin secretion and proinsulin biosynthesis diverge downstream of glycolysis. Consequently, the mitochondrial products ATP, Krebs cycle intermediates, glutamate, and acetoacetate were investigated as candidate stimulus-coupling signals specific for glucose-induced proinsulin biosynthesis in rat islets. Decreasing ATP levels by oxidative phosphorylation inhibitors showed comparable effects on proinsulin biosynthesis and total protein synthesis. Although it is a cofactor, ATP is unlikely to be a metabolic stimulus-coupling signal specific for glucose-induced proinsulin biosynthesis. Neither glutamic acid methyl ester nor acetoacetic acid methyl ester showed a specific effect on glucose-stimulated proinsulin biosynthesis. Interestingly, among Krebs cycle intermediates, only succinic acid monomethyl ester specifically stimulated proinsulin biosynthesis. Malonic acid methyl ester, an inhibitor of succinate dehydrogenase, also specifically increased glucose-induced proinsulin biosynthesis without affecting islet ATP levels or insulin secretion. Glucose caused a 40% increase in islet intracellular succinate levels, but malonic acid methyl ester showed no further effect, probably due to efficient conversion of succinate to succinyl-CoA. In this regard, a GTP-dependent succinyl-CoA synthetase activity was found in cytosolic fractions of pancreatic islets. Thus, succinate and/or succinyl-CoA appear to be preferential metabolic stimulus-coupling factors for glucose-induced proinsulin biosynthesis translation.
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) | 0,002 | 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 ».