Kinase inhibitors for cancer alter metabolism, blood glucose, and insulin
Notice bibliographique
Résumé
Small molecule kinase inhibitors (SMKIs) are a class of therapeutic drugs that target protein kinases in diseases such as cancer. SMKIs are often designed to inhibit kinases involved in cell proliferation, but these drugs alter cell metabolism and the endocrine control of organismal metabolism. SMKI treatment in diabetic cancer patients reveals that certain SMKIs improve blood glucose levels and can mitigate insulin dependence or diabetic medication requirements in both type 1 diabetes (T1D) and type 2 diabetes (T2D). Certain SMKIs can preserve functional β-cell mass and increase insulin secretion or insulin sensitivity. It is not yet clear why different SMKIs can have opposing effects on insulin and blood glucose. Understanding the therapeutic effects of these drugs in T1D and T2D is complicated by overlapping off-target effects of SMKIs. The potency of inhibition of the intended protein kinase and inhibition of multiple off-target kinases may underpin conflicting reports of how certain SMKIs alter blood glucose and insulin. We summarize the effects of SMKIs on the intended and off-target kinases that can alter blood glucose and insulin, including c-Abl, c-Kit, EGFR, and VEGF. Inhibition of PDGFRβ consistently lowers blood glucose in T1D and T2D. The effects of SMKIs on the kinases that regulate immune pathways, such as BTK and RIPKs, mediate many of the diverse effects of these drugs on metabolism. We highlight that inhibition of RIPK2 by SMKIs is a central node in metabolism that influences key metabolic pathways including lipolysis, blood glucose control, insulin secretion, and insulin resistance.
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) | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».