MétaCan
Menu
Retour à la cohorte
Enregistrement W2964989731 · doi:10.1074/jbc.rev119.008351

Thirty sweet years of GLUT4

2019· review· en· W2964989731 sur OpenAlexaff
Amira Klip, Timothy E. McGraw, David E. James

Notice bibliographique

RevueJournal of Biological Chemistry · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésGLUT4Glucose transporterGlucose uptakeInsulinBiologyAdipose tissueInsulin resistanceEndocrinologyCell biologyInternal medicineMedicine

Résumé

récupéré en direct d'OpenAlex

A pivotal metabolic function of insulin is the stimulation of glucose uptake into muscle and adipose tissues. The discovery of the insulin-responsive glucose transporter type 4 (GLUT4) protein in 1988 inspired its molecular cloning in the following year. It also spurred numerous cellular mechanistic studies laying the foundations for how insulin regulates glucose uptake by muscle and fat cells. Here, we reflect on the importance of the GLUT4 discovery and chronicle additional key findings made in the past 30 years. That exocytosis of a multispanning membrane protein regulates cellular glucose transport illuminated a novel adaptation of the secretory pathway, which is to transiently modulate the protein composition of the cellular plasma membrane. GLUT4 controls glucose transport into fat and muscle tissues in response to insulin and also into muscle during exercise. Thus, investigation of regulated GLUT4 trafficking provides a major means by which to map the essential signaling components that transmit the effects of insulin and exercise. Manipulation of the expression of GLUT4 or GLUT4-regulating molecules in mice has revealed the impact of glucose uptake on whole-body metabolism. Remaining gaps in our understanding of GLUT4 function and regulation are highlighted here, along with opportunities for future discoveries and for the development of therapeutic approaches to manage metabolic disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,319
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations359
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological ChemistryMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207