Predicting and understanding the response to short-term intensive insulin therapy in people with early type 2 diabetes
Notice bibliographique
Résumé
OBJECTIVE: Short-term intensive insulin therapy (IIT) early in the course of type 2 diabetes acutely improves beta-cell function with long-lasting effects on glycemic control. However, conventional measures cannot determine which patients are better suited for IIT, and little is known about the molecular mechanisms determining response. Therefore, this study aimed to develop a model that could accurately predict the response to IIT and provide insight into molecular mechanisms driving such response in humans. METHODS: Twenty-four patients with early type 2 diabetes were assessed at baseline and four weeks after IIT, consisting of basal detemir and premeal insulin aspart. Twelve individuals had a beneficial beta-cell response to IIT (responders) and 12 did not (nonresponders). Beta-cell function was assessed by multiple methods, including Insulin Secretion-Sensitivity Index-2. MicroRNAs (miRNAs) were profiled in plasma samples before and after IIT. The response to IIT was modeled using a machine learning algorithm and potential miRNA-mediated regulatory mechanisms assessed by differential expression, correlation, and functional network analyses (FNA). RESULTS: Baseline levels of circulating miR-145-5p, miR-29c-3p, and HbA1c accurately (91.7%) predicted the response to IIT (OR = 121 [95% CI: 6.7, 2188.3]). Mechanistically, a previously described regulatory loop between miR-145-5p and miR-483-3p/5p, which controls TP53-mediated apoptosis, appears to also occur in our study population of humans with early type 2 diabetes. In addition, significant (fold change > 2, P < 0.05) longitudinal changes due to IIT in the circulating levels of miR-138-5p, miR-192-5p, miR-195-5p, miR-320b, and let-7a-5p further characterized the responder group and significantly correlated (|r| > 0.4, P < 0.05) with the changes in measures of beta-cell function and insulin sensitivity. FNA identified a network of coordinately/cooperatively regulated miRNA-targeted genes that potentially drives the IIT response through negative regulation of apoptotic processes that underlie beta cell dysfunction and concomitant positive regulation of proliferation. CONCLUSIONS: Responses to IIT in people with early type 2 diabetes are associated with characteristic miRNA signatures. This study represents a first step to identify potential responders to IIT (a current limitation in the field) and provides important insight into the pathophysiologic determinants of the reversibility of beta-cell dysfunction. ClinicalTrial.gov identifier: NCT01270789.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».