GLP-1 receptor agonists synergize with DYRK1A inhibitors to potentiate functional human β cell regeneration
Notice bibliographique
Résumé
Glucagon-like peptide-1 receptor (GLP1R) agonists and dipeptidyl peptidase 4 inhibitors are widely prescribed diabetes drugs due to their ability to stimulate insulin secretion from remaining β cells and to reduce caloric intake. Unfortunately, they fail to increase human β cell proliferation. Small-molecule inhibitors of dual-specificity tyrosine-regulated kinase 1A (DYRK1A) are able to induce adult human β cell proliferation, but rates are modest (~2%), and their specificity to β cells is limited. Here, we provide evidence that combining any member of the GLP1R agonist class with any member of the DYRK1A inhibitor class induces a synergistic increase in human β cell replication (5 to 6%) accompanied by an actual increase in numbers of human β cells. GLP1R agonist-DYRK1A inhibitor synergy required combined inhibition of DYRK1A and an increase in cAMP and did not lead to β cell dedifferentiation. These beneficial effects on proliferation were seen in both normal human β cells and β cells derived from individuals with type 2 diabetes. The ability of the GLP1R agonist-DYRK1A inhibitor combination to enhance human β cell proliferation, human insulin secretion, and blood glucose control extended in vivo to studies of human islets transplanted into euglycemic and streptozotocin-diabetic immunodeficient mice. No adverse events were observed in the mouse studies during a 1-week period. Because of the relative β cell specificity of GLP1R agonists, the combination provides an improved, although not complete, degree of human β cell specificity.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».