Beta cell adaptation to pregnancy requires prolactin action on both beta and non-beta cells
Notice bibliographique
Résumé
Abstract Pancreatic islets adapt to insulin resistance of pregnancy by up regulating β-cell mass and increasing insulin secretion. Previously, using a transgenic mouse with global, heterozygous deletion of prolactin receptor (Prlr+/−), we found Prlr signaling is important for this adaptation. However, since Prlr is expressed in tissues outside of islets as well as within islets and prolactin signaling affects β-cell development, to understand β-cell-specific effect of prolactin signaling in pregnancy, we generated a transgenic mouse with an inducible conditional deletion of Prlr from β-cells. Here, we found that β-cell-specific Prlr reduction in adult mice led to elevated blood glucose, lowed β-cell mass and blunted in vivo glucose-stimulated insulin secretion during pregnancy. When we compared gene expression profile of islets from transgenic mice with global (Prlr+/−) versus β-cell-specific Prlr reduction (βPrlR+/−), we found 95 differentially expressed gene, most of them down regulated in the Prlr+/−mice in comparison to the βPrlR+/−mice, and many of these genes regulate apoptosis, synaptic vesicle function and neuronal development. Importantly, we found that islets from pregnant Prlr+/−mice are more vulnerable to glucolipotoxicity-induced apoptosis than islets from pregnant βPrlR+/−mice. These observations suggest that down regulation of prolactin action during pregnancy in non-β-cells secondarily and negatively affect β-cell gene expression, and increased β-cell susceptibility to external insults.
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) | 0,001 | 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 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 ».