The Sweet Pee Model for Sglt2 Mutation
Notice bibliographique
Résumé
Inhibiting renal glucose transport is a potential pharmacologic approach to treat diabetes. The renal tubular sodium-glucose transporter 2 (SGLT2) reabsorbs approximately 90% of the filtered glucose load. An animal model with sglt2 dysfunction could provide information regarding the potential long-term safety and efficacy of SGLT2 inhibitors, which are currently under clinical investigation. Here, we describe Sweet Pee, a mouse model that carries a nonsense mutation in the Slc5a2 gene, which results in the loss of sglt2 protein function. The phenotype of Sweet Pee mutants was remarkably similar to patients with mutations in the Scl5a2 gene. The Sweet Pee mutants had improved glucose tolerance, higher urinary excretion of calcium and magnesium, and growth retardation. Renal physiologic studies demonstrated a prominent distal osmotic diuresis without enhanced natriuresis. Sweet Pee mutants did not exhibit increased KIM-1 or NGAL, markers of acute tubular injury. After induction of diabetes, Sweet Pee mice had better overall glycemic control than wild-type control mice, but had a higher risk for infection and an increased mortality rate (70% in homozygous mutants versus 10% in controls at 20 weeks). In summary, the Sweet Pee model allows study of the long-term benefits and risks associated with inhibition of SGLT2 for the management of diabetes. Our model suggests that inhibiting SGLT2 may improve glucose control but may confer increased risks for infection, malnutrition, volume contraction, and mortality.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».