Emerging technologies to achieve oral delivery of GLP-1 and GLP-1 analogs for treatment of type 2 diabetes mellitus (T2DM)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Glucagon-like peptide-1 (GLP-1) is a gastrointestinal (GI) peptide hormone that stimulates insulin secretion, gene expression and -cell proliferation, representing a potentially novel and promising therapeutic agent for the treatment of T2DM. DPP-IV-resistant, long-acting GLP-1 analogs have already been approved by FDA as injectable drugs for treating patients with T2DM. Oral delivery of therapeutic peptides and proteins would be preferred owing to advantages of lower cost, ease of administration and greater patient adherence. However, oral delivery of proteins can be affected by rapid enzymatic degradation in the GI tract and poor penetration across the intestinal membrane, which may require amounts that exceed practical consideration. Various production strategies have been explored to overcome challenges associated with the oral delivery of therapeutic peptides and proteins. The goal of this review is to provide an overview of the current state of progress made towards the oral delivery of GLP-1 and its analogs in the treatment of T2DM, with special emphasis on the development of plant and food-grade bacterial delivery systems. Recently, genetically engineered plants and food-grade bacteria have been increasingly explored as novel carrier systems for the oral delivery of peptide and protein drugs. These have a largely unexplored potential to serve both as an expression system and as a delivery vehicle for clinically relevant, cost effective therapeutics. As such, they hold great promise for human biopharmaceuticals and novel therapies against various diseases.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 découle