Abnormal regulation of glucagon secretion by human islet alpha cells in the absence of beta cells
Notice bibliographique
Résumé
BACKGROUND: The understanding of the regulation of glucagon secretion by pancreatic islet α-cells remains elusive. We aimed to develop an in vitro model for investigating the function of human α-cells under direct influence of glucose and other potential regulators. METHODS: Highly purified human α-cells from islets of deceased donors were re-aggregated in the presence or absence of β-cells in culture, evaluated for glucagon secretion under various treatment conditions, and compared to that of intact human islets and non-sorted islet cell aggregates. FINDINGS: The pure human α-cell aggregates maintained proper glucagon secretion capability at low concentrations of glucose, but failed to respond to changes in ambient glucose concentration. Addition of purified β-cells, but not the secreted factors from β-cells at low or high concentrations of glucose, partly restored the responsiveness of α-cells to glucose with regulated glucagon secretion. The EphA stimulator ephrinA5-fc failed to mimic the inhibitory effect of β-cells on glucagon secretion. Glibenclamide inhibited glucagon secretion from islets and the α- and β-mixed cell-aggregates, but not from the α-cell-only aggregates, at 2.0 mM glucose. INTERPRETATION: This study validated the use of isolated and then re-aggregated human islet cells for investigating α-cell function and paracrine regulation, and demonstrated the importance of cell-to-cell contact between α- and β-cells on glucagon secretion. Loss of proper β- and α-cell physical interaction in islets likely contributes to the dysregulated glucagon secretion in diabetic patients. Re-aggregated select combinations of human islet cells provide unique platforms for studying islet cell function and regulation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».