Glucagon-Like Peptide-1 Receptor Agonism Improves Nephrotoxic Serum Nephritis by Inhibiting T-Cell Proliferation
Notice bibliographique
Résumé
Glucagon-like peptide (GLP)-1 analogs such as liraglutide improved albuminuria in patients with type 2 diabetes in large randomized controlled trials. One of the suspected mechanisms is the anti-inflammatory potential of GLP-1 receptor (Glp1r) agonism. Thus, the anti-inflammatory action of Glp1r agonism was tested in a nondiabetic, T-cell–mediated murine model of nephrotoxic serum nephritis (NTS). The role of Glp1r in NTS was evaluated by using Glp1r −/− mice or C57BL/6 mice treated with liraglutide. In vitro , murine T cells were stimulated in the presence of liraglutide or vehicle. Glp1r −/− mice displayed increased renal infiltration of neutrophils and T cells after induction of NTS. Splenocyte proliferation and TH1 cytokine transcription were increased in spleen and lymph nodes of Glp1r −/− mice. Liraglutide treatment significantly improved the renal outcome of NTS in C57BL/6 mice by decreasing renal infiltration and proliferation of T cells, which resulted in decreased macrophage infiltration. In vitro , T cells stimulated in the presence of liraglutide showed decreased proliferation of TH1 and TH17 cells. Liraglutide blocked glycolysis in T cells and decreased their Glut1 mRNA expression. Together, Glp1r agonism protects mice from a T-cell–dependent glomerulonephritis model by inhibition of T-cell proliferation, possibly by interacting with their metabolic program. This mechanism may explain in part the renoprotective effects of Glp1r agonism in diabetic nephropathy.
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 | 0,000 | 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 | 0,001 |
| 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 ».