Treatment of Type 2 Diabetes by Free Fatty Acid Receptor Agonists
Notice bibliographique
Résumé
Dietary free fatty acids (FFAs), such as ω-3 fatty acids, regulate metabolic and anti-inflammatory processes, with many of these effects attributed to FFAs interacting with a family of G protein-coupled receptors. Selective synthetic ligands for free fatty acid receptors (FFA1-4) have consequently been developed as potential treatments for type 2 diabetes (T2D). In particular, clinical studies show that Fasiglifam, an agonist of the long-chain FFA receptor, FFA1, improved glycemic control and reduced HbA1c levels in T2D patients, with a reduced risk of hypoglycemia. However, this ligand was removed from clinical trials due to potential liver toxicity and determining if this is a target or a ligand-specific feature is now of major importance. Pre-clinical studies also show that FFA4 agonism increases insulin sensitivity, induces weight loss, and reduces inflammation and the metabolic and anti-inflammatory effects of short chain fatty acids (SCFAs) are linked with FFA2 and FFA3 activation. In this review, we therefore show that FFA receptor agonism is a potential clinical target for T2D treatment and discuss ongoing drug development programs within industry and academia aimed at improving the safety and effectiveness of these potential treatments.
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) | 0,004 | 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 ».