GABAergic regulation of pancreatic islet cells: Physiology and antidiabetic effects
Notice bibliographique
Résumé
Diabetes occurs when pancreatic β-cell death exceeds β-cell growth, which leads to loss of β-cell mass. An effective therapy must have two actions: promotion of β-cell replication and suppression of β-cell death. Previous studies have established an important role for γ-aminobutyric acid (GABA) in islet-cell hormone homeostasis, as well as the maintenance of the β-cell mass. GABA exerts paracrine actions on α cells in suppressing glucagon secretion, and it has autocrine actions on β cells that increase insulin secretion. Multiple studies have shown that GABA increases the mitotic rate of β cells. In mice, following β-cell depletion with streptozotocin, GABA therapy can restore the β-cell mass. Enhanced β-cell replication appears to depend on growth and survival pathways involving Akt activation. Some studies have also suggested that it induces transdifferentiation of α cells into β cells, but this has been disputed and requires further investigation. In addition to proliferative effects, GABA protects β cells against injury and markedly reduces their apoptosis under a variety of conditions. The antiapoptotic effects depend at least in part on the enhancement of sirtuin-1 and Klotho activity, which both inhibit activation of the NF-κB inflammatory pathway. Importantly, in xenotransplanted human islets, GABA therapy stimulates β-cell replication and insulin secretion. Thus, the intraislet GABAergic system is a target for the amelioration of diabetes therapy, including β-cell survival and regeneration. GABA (or GABAergic drugs) can be combined with other antidiabetic drugs for greater effect.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».