GABA requires GLP-1R to exert its pancreatic function during STZ challenge
Notice bibliographique
Résumé
Gamma-aminobutyric acid (GABA) administration attenuates streptozotocin (STZ)-induced diabetes in rodent models with unclear underlying mechanisms. We found that GABA and Sitagliptin possess additive effect on pancreatic β-cells, which prompted us to ask the existence of common or unique targets of GLP-1 and GABA in pancreatic β-cells. Effect of GABA on expression of thioredoxin-interacting protein (TxNIP) was assessed in the INS-1 832/13 (INS-1) cell line, WT and GLP-1R-/- mouse islets. GABA was also orally administrated in STZ-challenged WT or GLP-1R-/- mice, followed by immunohistochemistry assessment of pancreatic islets. Effect of GABA on Wnt pathway effector β-catenin (β-cat) was examined in INS-1 cells, WT and GLP-1R-/- islets. We found that GABA shares a common feature with GLP-1 on inhibiting TxNIP, while this function was attenuated in GLP-1R-/- islets. In WT mice with STZ challenge, GABA alleviated several 'diabetic syndromes', associated with increased β-cell mass. These features were virtually absent in GLP-1R-/- mice. Knockdown TxNIP in INS-1 cells increased GLP-1R, Pdx1, Nkx6.1 and Mafa levels, associated with increased responses to GABA or GLP-1 on stimulating insulin secretion. Cleaved caspase-3 level can be induced by high-glucose, dexamethasone, or STZ in INS-1 cell, while GABA treatment blocked the induction. Finally, GABA treatment increased cellular cAMP level and β-cat S675 phosphorylation in WT but not GLP-1R-/- islets. We, hence, identified TxNIP as a common target of GABA and GLP-1 and suggest that, upon STZ or other stress challenge, the GLP-1R-cAMP-β-cat signaling cascade also mediates beneficial effects of GABA in pancreatic β-cell, involving TxNIP reduction.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».