Notice bibliographique
Résumé
Glucagon-like peptide-1 (GLP-1) receptor agonists are effective treatments for type 2 diabetes as they stimulate insulin release and promote weight loss through appetite suppression. Their main side effect is nausea. All approved GLP-1 agonists are full agonists across multiple signalling pathways. However, selective engagement with specific intracellular effectors, or biased agonism, has been touted as a means to improve GLP-1 agonists therapeutic efficacy. In this review, I critically examine how GLP-1 receptor-mediated intracellular signalling is linked to physiological responses and discuss the implications of recent studies investigating the metabolic effects of biased GLP-1 agonists. Overall, there is little conclusive evidence that beneficial and adverse effects of GLP-1 agonists are attributable to distinct, nonoverlapping signalling pathways. Instead, G protein-biased GLP-1 agonists appear to achieve enhanced anti-hyperglycaemic efficacy by avoiding GLP-1 receptor desensitisation and downregulation, partly via reduced β-arrestin recruitment. This effect seemingly applies more to insulin release than to appetite regulation and nausea, possible reasons for which are discussed. At present, most evidence derives from cellular and animal studies, and more human data are required to determine whether this approach represents a genuine therapeutic advance. LINKED ARTICLES: This article is part of a themed issue on GLP1 receptor ligands (BJP 75th Anniversary). To view the other articles in this section visit http://onlinelibrary.wiley.com/doi/10.1111/bph.v179.4/issuetoc.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».