PBI-4547 Improves Glucose Metabolism and Insulin Resistance, and Reduces Liver Damage in a High-Fat Diet Mouse Model of Obesity and Metabolic Syndrome
Notice bibliographique
Résumé
Introduction and Aims: Obesity and its resulting metabolic disturbances are major health threats and are the main cause of a host of diseases, including nonalcoholic fatty liver disease (NAFLD). PBI-4547 is a novel first-in-class orally active antidiabetic compound which displays pleiotropic activities and has been shown to reduce NASH, diabetes, and renal fibrosis in different animal models. The aim of this study was to investigate the effects of PBI-4547 in a mouse model of high-fat diet-induced obesity and metabolic syndrome. Methods: C57BL/6 mice were fed with either a standard or a high-fat diet (HFD, Harlan, TD.06414) for 14 weeks. These mice were divided in three groups [normal chow, HFD + vehicle, and HFD + PBI-4547 (10 mg/kg, oral once a day)] and treated for an additional 6 weeks. Blood glucose, serum insulin level, serum triglyceride and adiponectin, liver histology, as well as liver and white adipose tissue (WAT) pro-inflammatory/fibrotic gene expression were examined. Results: In an oral glucose tolerance test, PBI-4547 increased glucose metabolism compared to the HFD control group. Insulin resistance (measured by HOMA-IR) and β cell function (HOMA1-β) were improved by PBI-4547. Serum triglyceride level was significantly reduced by PBI-4547 while adiponectin in serum was significantly increased. Histological analysis showed a significant reduction of hepatic steatosis and ballooning by PBI-4547. To further characterize the activity of PBI-4547, quantitative RT-PCR analysis of pro-fibrotic markers was performed, demonstrating that PBI-4547 reduced CTGF and MMP2 gene expression in the liver as well as CTGF, MCP-1, MMP2 and collagen type I gene expression in the WAT. Conclusions: Taken together, these results suggest that PBI-4547 offers the potential as a novel therapy for nonalcoholic fatty liver disease, obesity and associated metabolic syndrome. Disclosure M. Leduc: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. B. Grouix: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. M. Tremblay: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. L. Gervais: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. F. Sarra-Bournet: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. A. Felton: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. J. Simard: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. F.A. Leblond: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc. P. Laurin: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc.. Board Member; Self; Prometic Life Sciences Inc. L. Gagnon: Employee; Self; Prometic Biosciences Inc.. Stock/Shareholder; Self; Prometic Life Sciences Inc..
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 | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».