Islet prohormone processing in health and disease
Notice bibliographique
Résumé
Biosynthesis of peptide hormones by pancreatic islet endocrine cells is a tightly orchestrated process that is critical for metabolic homeostasis. Like neuroendocrine peptides, insulin and other islet hormones are first synthesized as larger precursor molecules that are processed to their mature secreted products through a series of proteolytic cleavages, mediated by the prohormone convertases Pc1/3 and Pc2, and carboxypeptidase E. Additional posttranslational modifications including C‐terminal amidation of the β‐cell peptide islet amyloid polypeptide (IAPP) by peptidyl‐glycine α‐amidating monooxygenase (Pam) may also occur. Genome‐wide association studies (GWAS) have showed genetic linkage of these processing enzymes to obesity, β‐cell dysfunction, and type 2 diabetes (T2D), pointing to their important roles in metabolism and blood glucose regulation. In both type 1 diabetes (T1D) and T2D, and in the face of metabolic or inflammatory stresses, islet prohormone processing may become impaired; indeed elevated proinsulin:insulin (PI:I) ratios are a hallmark of the β‐cell dysfunction in T2D. Recent studies suggest that genetic or acquired defects in proIAPP processing may lead to the production and secretion of incompletely processed forms of proIAPP that could contribute to T2D pathogenesis, and additionally that impaired processing of both PI and proIAPP may be characteristic of β‐cell dysfunction in T1D. In islet α‐cells, the prohormone proglucagon is normally processed to bioactive glucagon by Pc2 but may express Pc1/3 under certain conditions leading to production of GLP‐1(7‐36 NH2 ). A better understanding of how β‐cell processing of PI and proIAPP, as well as α‐cell processing of proglucagon, are impacted by genetic susceptibility and in the face of diabetogenic stresses, may lead to new therapeutic approaches for improving islet function in diabetes.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».