Variations in tissue selectivity amongst insulin secretagogues: a systematic review
Notice bibliographique
Résumé
AIM: Insulin secretagogues promote insulin release by binding to sulfonylurea receptors on pancreatic β-cells (SUR1). However, these drugs also bind to receptor isoforms on cardiac myocytes (SUR2A) and vascular smooth muscle (SUR2B). Binding to SUR2A/SUR2B may inhibit ischaemic preconditioning, an endogenous protective mechanism enabling cardiac tissue to survive periods of ischaemia. This study was designed to identify insulin secretagogues that selectively bind to SUR1 when given at therapeutic doses. METHODS: Using accepted systematic review methods, three electronic databases were searched from inception to 13 June 2011. Original studies measuring the half-maximal inhibitory concentration (IC(50)) for an insulin secretagogue on K(ATP) channels using standard electrophysiological techniques were included. Steady-state concentrations (C(SS)) were estimated from the usual oral dose and clearance values for each drug. RESULTS: Data were extracted from 27 studies meeting all inclusion criteria. IC(50) values for SUR1 were below those for SUR2A/SUR2B for all insulin secretagogues and addition of C(SS) values identified three distinct patterns. The C(SS) for gliclazide, glipizide, mitiglinide and nateglinide lie between IC(50) values for SUR1 and SUR2A/SUR2B, suggesting that these drugs bind selectively to pancreatic receptors. The C(SS) for glimepiride and glyburide (glibenclamide) was above IC(50) values for all three isoforms, suggesting these drugs are non-selective. Tolbutamide and repaglinide may have partial pancreatic receptor selectivity because IC(50) values for SUR1 and SUR2A/SUR2B overlapped somewhat, with the C(SS) in the midst of these values. CONCLUSIONS: Insulin secretagogues display different tissue selectivity characteristics at therapeutic doses. This may translate into different levels of cardiovascular risk.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».