Combined Oral Administration of GABA and DPP-4 Inhibitor Prevents Beta Cell Damage and Promotes Beta Cell Regeneration in Mice
Notice bibliographique
Résumé
γ-aminobutyric acid (GABA) or glucagon-like peptide-1 (GLP-1) based drugs, such as sitagliptin (a dipeptidyl peptidase-4 inhibitor), were shown to induce beta cell regenerative effects in various diabetic mouse models. We propose that their combined administration can bring forth an additive therapeutic effect. We tested this hypothesis in a multiple low-dose streptozotocin (STZ)-induced beta cell injury mouse model (MDSD). Male C57BL/6J mice were assigned randomly into four groups: non-treatment diabetic control, GABA, sitagliptin, or GABA plus sitagliptin. Oral drug administration was initiated one week before STZ injection and maintained for six weeks. GABA or sitagliptin administration decreased ambient blood glucose levels and improved the glucose excursion rate. This was associated with elevated plasma insulin and reduced plasma glucagon levels. Importantly, combined use of GABA and sitagliptin significantly enhanced these effects as compared with each of the monotherapies. An additive effect on reducing water consumption was also observed. Immunohistochemical analyses revealed that combined GABA and sitagliptin therapy was superior in increasing beta cell mass, associated with increased small-size islet numbers, Ki67+ and PDX-1+ beta cell counts; and reduced Tunel+ beta cell counts. Thus, beta cell proliferation was increased, whereas apoptosis was reduced. We also noticed a suppressive effect of GABA or sitagliptin on alpha cell mass, which was not significantly altered by combining the two agents. Although either GABA or sitagliptin administration delays the onset of MDSD, our study indicates that combined use of them produces superior therapeutic outcomes. This is likely due to an amelioration of beta cell proliferation and a decrease of beta cell apoptosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».