[Gly²]-GLP-2, But Not Glucagon or [D-Ala²]-GLP-1, Controls Collagen Crosslinking in Murine Osteoblast Cultures
Notice bibliographique
Résumé
Bone tissue is organized at the molecular level to resist fracture with the minimum of bone material. This implies that several modifications of the extracellular matrix, including enzymatic collagen crosslinking, take place. We previously highlighted the role of several gut hormones in enhancing collagen maturity and bone strength. The present study investigated the effect of proglucagon-derived peptides on osteoblast-mediated collagen post-processing. Briefly, MC3T3-E1 murine osteoblasts were cultured in the presence of glucagon (GCG), [D-Ala²]-glucagon-like peptide-1 ([D-Ala²]-GLP-1), and [Gly²]-glucagon-like peptide-2 ([Gly²]-GLP-2). Gut hormone receptor expression at the mRNA and protein levels were investigated by qPCR and Western blot. Extent of collagen postprocessing was examined by Fourier transform infrared microspectroscopy. GCG and GLP-1 receptors were not evidenced in osteoblast cells at the mRNA and protein levels. However, it is not clear whether the known GLP-2 receptor is expressed. Nevertheless, administration of [Gly²]-GLP-2, but not GCG or [D-Ala²]-GLP-1, led to a dose-dependent increase in collagen maturity and an acceleration of collagen post-processing. This mechanism was dependent on adenylyl cyclase activation. In conclusion, the present study highlighted a direct effect of [Gly²]-GLP-2 to enhance collagen post-processing and crosslinking maturation in murine osteoblast cultures. Whether this effect is translatable to human osteoblasts remains to be elucidated.
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) | 0,002 | 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 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 ».