Dynamic <i>Ins2</i> Gene Activity Defines β-Cell Maturity States
Notice bibliographique
Résumé
Transcriptional and functional cellular specialization has been described for insulin-secreting β-cells of the endocrine pancreas. However, it is not clear whether β-cell heterogeneity is stable or reflects dynamic cellular states. We investigated the temporal kinetics of endogenous insulin gene activity using live cell imaging, with complementary experiments using FACS and single-cell RNA sequencing, in β-cells from Ins2GFP knockin mice. In vivo staining and FACS analysis of islets from Ins2GFP mice confirmed that at a given moment, ∼25% of β-cells exhibited significantly higher activity at the evolutionarily conserved insulin gene, Ins2. Live cell imaging over days captured Ins2 gene activity dynamics in single β-cells. Autocorrelation analysis revealed a subset of oscillating cells, with mean oscillation periods of 17 h. Increased glucose concentrations stimulated more cells to oscillate and resulted in higher average Ins2 gene activity per cell. Single-cell RNA sequencing showed that Ins2(GFP)HIGH β-cells were enriched for markers of β-cell maturity. Ins2(GFP)HIGH β-cells were also significantly less viable at all glucose concentrations and in the context of endoplasmic reticulum stress. Collectively, our results demonstrate that the heterogeneity of insulin production, observed in mouse and human β-cells, can be accounted for by dynamic states of insulin gene activity.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».