Altered islet prohormone processing: a cause or consequence of diabetes?
Notice bibliographique
Résumé
Peptide hormones are first produced as larger precursor prohormones that require endoproteolytic cleavage to liberate the mature hormones. A structurally conserved but functionally distinct family of nine prohormone convertase enzymes (PCs) are responsible for cleavage of protein precursors, of which PC1/3 and PC2 are known to be exclusive to neuroendocrine cells and responsible for prohormone cleavage. Differential expression of PCs within tissues defines prohormone processing; whereas glucagon is the major product liberated from proglucagon via PC2 in pancreatic α-cells, proglucagon is preferentially processed by PC1/3 in intestinal L cells to produce glucagon-like peptides 1 and 2 (GLP-1, GLP-2). Beyond our understanding of processing of islet prohormones in healthy islets, there is convincing evidence that proinsulin, pro-islet amyloid polypeptide (proIAPP), and proglucagon processing is altered during prediabetes and diabetes. There is predictive value of elevated circulating proinsulin or proinsulin-to-C-peptide ratio for progression to type 2 diabetes, and elevated proinsulin or proinsulin-to-C-peptide ratio is predictive for development of type 1 diabetes in at-risk groups. After onset of diabetes, patients have elevated circulating proinsulin and proIAPP, and proinsulin may be an autoantigen in type 1 diabetes. Furthermore, preclinical studies reveal that α-cells have altered proglucagon processing during diabetes, leading to increased GLP-1 production. We conclude that despite strong associative data, current evidence is inconclusive on the potential causal role of impaired prohormone processing in diabetes and suggest that future work should focus on resolving the question of whether altered prohormone processing is a causal driver or merely a consequence of diabetes pathology.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».