MétaCan
Menu
Retour à la cohorte
Enregistrement W6887744679 · doi:10.17863/cam.114417

Smart control lipid-based nanocarriers for fine-tuning gut hormone secretion.

2024· article· en· W6887744679 sur OpenAlexfundno aff

Notice bibliographique

RevueApollo (University of Cambridge) · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesUniversité Catholique de LouvainCanadian Institutes of Health ResearchWallonie-Bruxelles InternationalMedical Research CouncilFundamental Research Funds for the Central UniversitiesNovo NordiskWellcome TrustDepartment of Science and Technology of Sichuan ProvinceBanting and Best Diabetes Centre, University of TorontoFonds De La Recherche Scientifique - FNRSEuropean CommissionNational Natural Science Foundation of China
Mots-clésEnteroendocrine cellNanocarriersHormoneEndogenyGastrointestinal hormoneKnockout mouseEndocrine systemGlucagon-like peptide-1

Résumé

récupéré en direct d'OpenAlex

Modulating the endogenous stores of gastrointestinal hormones is considered a promising strategy to mimic gut endocrine function, improving metabolic dysfunction. Here, we exploit mouse and human knock-in and knockout intestinal organoids and show that agents used as commercial lipid excipients can activate nutrient-sensitive receptors on enteroendocrine cells (EECs) and, when formulated as lipid nanocarriers, can bestow biological effects through the release of GLP-1, GIP, and PYY from K and L cells. Studies in wild-type, dysglycemic, and gut Gcg knockout mice demonstrated that the effect exerted by lipid nanocarriers could be modulated by varying the excipients (e.g., nature and quantities), the formulation methodology, and their physiochemical properties (e.g., size and composition). This study demonstrates the therapeutic potential of using nanotechnology to modulate release of multiple endogenous hormones from the enteroendocrine system through a patient-friendly, inexpensive, and noninvasive manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,209
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApollo (University of Cambridge)Même sujetLipid Membrane Structure and BehaviorTravaux en français237 207