Anti-obesity effects of GIPR antagonists alone and in combination with GLP-1R agonists in preclinical models
Notice bibliographique
Résumé
Glucose-dependent insulinotropic polypeptide (GIP) receptor (GIPR) has been identified in multiple genome-wide association studies (GWAS) as a contributor to obesity, and GIPR knockout mice are protected against diet-induced obesity (DIO). On the basis of this genetic evidence, we developed anti-GIPR antagonistic antibodies as a potential therapeutic strategy for the treatment of obesity and observed that a mouse anti-murine GIPR antibody (muGIPR-Ab) protected against body weight gain, improved multiple metabolic parameters, and was associated with reduced food intake and resting respiratory exchange ratio (RER) in DIO mice. We replicated these results in obese nonhuman primates (NHPs) using an anti-human GIPR antibody (hGIPR-Ab) and found that weight loss was more pronounced than in mice. In addition, we observed enhanced weight loss in DIO mice and NHPs when anti-GIPR antibodies were codosed with glucagon-like peptide-1 receptor (GLP-1R) agonists. Mechanistic and crystallographic studies demonstrated that hGIPR-Ab displaced GIP and bound to GIPR using the same conserved hydrophobic residues as GIP. Further, using a conditional knockout mouse model, we excluded the role of GIPR in pancreatic β-cells in the regulation of body weight and response to GIPR antagonism. In conclusion, these data provide preclinical validation of a therapeutic approach to treat obesity with anti-GIPR antibodies.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».