GLP-1R signaling does not modify the severity of experimental graft versus host disease
Notice bibliographique
Résumé
OBJECTIVE: Glucagon-like peptide-1 (GLP-1) reduces systemic and gut inflammation. Here we assessed whether gain or loss of GLP-1 receptor (GLP-1R) signaling modifies the extent of gut injury and inflammation in experimental murine acute graft vs. host disease (aGvHD). METHODS: Allogeneic hematopoietic cell transplantation (HCT) was performed using bone marrow and splenocytes from BALB/c donors to induce aGvHD in C57BL/6 recipients or vice versa. Chimerism was determined by flow cytometry analysis of immune cell compartments. Inflammation was assessed by histological scoring of gut mucosal damage and by measuring circulating cytokine levels. qPCR was used to quantify gene expression in small intestine immune cells and tissues. The gut microbiome was assessed by 16S rRNA sequencing. RESULTS: Allogeneic chimerism was greater than 90% in peripheral blood and in the gut epithelial compartment. Levels of Glp1r mRNA transcripts were induced in the ileum of both vehicle- and semaglutide-treated allogeneic mice, reflecting that allogeneic T cells homing to the gut express a functional GLP-1R. Nevertheless, semaglutide did not attenuate the severity of systemic cytokine induction, gut injury or inflammation, or the extent of aGvHD in the gut mucosa. Loss of GLP-1R signaling in donor cells had limited effects on overall microbial diversity during acute GvHD, and semaglutide-treated mice exhibited modest changes in proportions of microbial species. CONCLUSIONS: Although gut T cells express a functional GLP-1R, GLP-1R signaling has no meaningful impact on systemic or intestinal inflammation or microbiota composition in mice with experimental aGvHD, highlighting that the anti-inflammatory actions of GLP-1 medicines are highly context-dependent.
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) | 0,000 | 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 ».