Loss of GIPR in LEPR cells impairs glucose control by GIP and GIP:GLP-1 co-agonism without affecting body weight and food intake in mice
Notice bibliographique
Résumé
OBJECTIVE: The glucose-dependent insulinotropic polypeptide (GIP) decreases body weight via central GIP receptor (GIPR) signaling, but the underlying mechanisms remain largely unknown. Here, we assessed whether GIP regulates body weight and glucose control via GIPR signaling in cells that express the leptin receptor (Lepr). METHODS: Hypothalamic, hindbrain, and pancreatic co-expression of Gipr and Lepr was assessed using single cell RNAseq analysis. Mice with deletion of Gipr in Lepr cells were generated and metabolically characterized for alterations in diet-induced obesity (DIO), glucose control and leptin sensitivity. Long-acting single- and dual-agonists at GIPR and GLP-1R were further used to assess drug effects on energy and glucose metabolism in DIO wildtype (WT) and Lepr-Gipr knock-out (KO) mice. RESULTS: Gipr and Lepr show strong co-expression in the pancreas, but not in the hypothalamus and hindbrain. DIO Lepr-Gipr KO mice are indistinguishable from WT controls related to body weight, food intake and diet-induced leptin resistance. Acyl-GIP and the GIPR:GLP-1R co-agonist MAR709 remain fully efficacious to decrease body weight and food intake in DIO Lepr-Gipr KO mice. Consistent with the demonstration that Gipr and Lepr highly co-localize in the endocrine pancreas, including the β-cells, we find the superior glycemic effect of GIPR:GLP-1R co-agonism over single GLP-1R agonism to vanish in Lepr-Gipr KO mice. CONCLUSIONS: GIPR signaling in cells/neurons that express the leptin receptor is not implicated in the control of body weight or food intake, but is of crucial importance for the superior glycemic effects of GIPR:GLP-1R co-agonism relative to single GLP-1R agonism.
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) | 0,001 | 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) | 0,000 | 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 ».