Tirzepatide (LY3298176) 是一种双重葡萄糖依赖性促胰岛素多肽 (GIP) 和胰高血糖素样肽-1受体激动剂 ｜ MedChemExpress (MCE)

最新推荐文章于 2025-11-10 15:01:48 发布
原创 最新推荐文章于 2025-11-10 15:01:48 发布 · 335 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#MCE #抑制剂

替尔泊肽(Tirzepatide,LY3298176)作为一种双重GIP和GLP-1受体激动剂，被发现比Dulaglutide在控制2型糖尿病患者的血糖和减轻体重方面更有效。MedChemExpress提供此产品。

Tirzepatide | 替尔泊肽

中文名：替尔泊肽

CAS：2023788-19-2

品牌：MedChemExpress (MCE)

存储条件：Please store the product under the recommended conditions in the Certificate of Analysis.

生物活性：Tirzepatide (LY3298176) 是一种双重葡萄糖依赖性促胰岛素多肽 (GIP) 和 胰高血糖素样肽-1 (GLP-1) 受体 激动剂，正在开发用于治疗2 型糖尿病[1]。 体内研究：Tirzepatide (LY3298176) 在控制血糖和减轻体重方面的疗效明显优于 Dulaglutide[1]。

体内：Tirzepatide (LY3298176) 在控制血糖和减轻体重方面的疗效明显优于 Dulaglutide[1]。

详情：Tirzepatide (LY3298176) | GIP/GLP-1受体激动剂 | MCE

参考文献：

[1]. Frias JP, et al. Efficacy and safety of LY3298176, a novel dual GIP and GLP-1 receptor agonist, in patients with type 2 diabetes: a randomised, placebo-controlled and active comparator-controlled phase 2 trial. Lancet. 2018 Nov 17;392(10160):2180-2193.

人胰高血糖素样肽-1；GLP-1(7-37)；106612-94-6
chutaishengwu的博客
10-14 609
二级结构特征：在水溶液或与受体结合时，可形成局部 α- 螺旋结构，尤其是序列中部（如 Tyr-Leu-Glu-Gly-Gln 段）和 C 端区域的 α- 螺旋，是与 GLP-1 受体（GLP-1R）结合的关键构象基础；氨基酸序列：H-His-Ala-Glu-Gly-Thr-Phe-Thr-Ser-Asp-Val-Ser-Ser-Tyr-Leu-Glu-Gly-Gln-Ala-Ala-Lys-Glu-Phe-Ile-Ala-Trp-Leu-Val-Lys-Gly-Arg-Gly-OH。
BioPorto胰高血糖素样肽-1(GLP-1)抗体
Neobioscience的博客
03-18 359
完整的GLP-1多肽由37个氨基酸构成，在体内的生物活性形式为GLP-1(7-37)多肽和GLP-1(7-36)酰胺，其中约80％的GLP-1循环活性来自GLP-1(7-36)酰胺。结合GLP-1(7-37)和GLP-1(7-36)酰胺的游离N端，与GLP-1(9-36)酰胺、胰高血糖素和人GIP的交叉反应性小于0.2%，与GLP-1(1-37)约有0.25%的交叉反应性，与人GLP-2交叉反应性约6%，与exendin-4交叉反应性约50%。与C端酰胺化的GLP-1约有5%的交叉反应性。
AbMole小课堂丨Tirzepatide：GIP/GLP-1双重受体激动剂在糖尿病、肥胖症、心脏保护等动物模型中的研究应用
AbMole的博客
11-10 666
例如Tirzepatide（10 nmol /kg，皮下注射）在高脂饮食诱导的SD大鼠肥胖模型中，有效降低了大鼠的体重，并且减少了大鼠肝脏中的氧化应激水平[3]。Tirzepatide（LY3298176，AbMole，M21371）是一种人工合成的线性多肽分子 ，由 39 个氨基酸组成，其中37 个为天然存在的氨基酸 ，在2位和13位含有两个非编码的α-氨基异丁酸（Aib）残基，这种特殊的氨基酸组成赋予了Tirzepatide独特的结构稳定性，使其不易被体内的肽酶快速降解，从而延长了在体内的作用时间。
BioPorto胰高血糖素样肽-1抗体(GLP-1)
Neobioscience的博客
06-03 569
在开发和检测GLP-1相关治疗的过程中，如早期研发阶段，I期临床和/或治疗产品质量过程监控中通过组合使用BioPorto公司的GLP-1抗体，可用于分析不同活性形式的GLP-1多肽。结合GLP-1(7-37)和GLP-1(7-36)酰胺的游离N端，与GLP-1(9-36)酰胺、胰高血糖素和人GIP的交叉反应性小于0.2%，与GLP-1(1-37)约有0.25%的交叉反应性，与人GLP-2交叉反应性约6%，与exendin-4交叉反应性约50%。与C端酰胺化的GLP-1约有5%的交叉反应性。
GIP 蛋白是胰高血糖素超家族的成员 |MedChemExpress (MCE)
MCE_China的博客
09-18 643
GIP 蛋白属于胰高血糖素超家族，是一种对葡萄糖稳态至关重要的肠促胰岛素激素。它的重要性在于它是胰腺β细胞响应食物摄入和营养吸收而分泌胰岛素的有效刺激剂
GIP，人 TFA，一种由 42 个氨基酸组成的肽激素，是葡萄糖依赖性胰岛素分泌的刺激剂和胃酸分泌的弱抑制剂 | MedChemExpress (MCE)
mmmm12134的博客
06-05 311
胃抑制性多肽 (GIP) 对脂肪组织和脂质代谢产生多种外周作用，从而导致餐后脂质沉积增加[1]。GIP，人类在脂质代谢和肥胖的发展中起着至关重要的作用。的刺激剂和胃酸分泌的弱抑制剂。GIP，人类 TFA 作为肠道 K 细胞响应营养摄入而释放的肠促胰岛素激素[1][2][3]。GIP，人 TFA，一种由 42 个氨基酸组成的肽激素，是。抑胃肽三氟乙酸盐 (人)
LY3437943 是 GCGR、GIPR 和 GLP-1R 的三重激动剂肽 ｜ MedChemExpress (MCE)
mmmm12134的博客
04-02 471
LY3437943是胰高血糖素受体(GCGR)、葡萄糖依赖性促胰岛素多肽受体(GIPR)和胰高血糖素样肽-1受体(GLP-1R)的三重激动剂肽，可用于肥胖症研究。在体外和体内实验中，LY3437943显示出对这些受体的抑制作用，并能提高葡萄糖耐量和减轻体重。该药物具有安全性和耐受性。
2020年中国GLP-1受体激动剂行业概览.pdf
09-24
5. 多靶点受体激动剂：葡萄糖依赖性促胰岛素多肽（GIP）、胰高血糖素（Glucagon）等多种受体激动剂与GLP-1受体激动剂结构相似，并且在降血糖、减重等方面具有协同作用。现今，礼来、诺和诺德、赛诺菲等国际医药巨头...
2020年GLP-1受体激动剂行业概览2020精品报告.pdf
04-24
标题中提及的GLP-1受体激动剂（GLP-1RAs）是一种新型胰岛素促泌剂，能模拟人体内一种名为胰高糖素样肽-1（GLP-1）的生理作用，并且能够延长这种作用时间。GLP-1受体激动剂具有强效的降糖能力，并且与低血糖风险较低...
GIP 和 GLP-1 对 T2DM 进行个体化治疗.pdf
04-18
GIP 和 GLP-1 对 T2DM 进行个体化治疗.pdf
GLP-1受体激动剂在糖尿病治疗中的应用研究
GLP-1（胰高血糖素样肽-1）是一种由肠道L细胞分泌的肠促胰素，在进食后释放入血，能够以葡萄糖依赖的方式促进胰岛β细胞分泌胰岛素，同时抑制α细胞分泌胰高血糖素，从而有效调节餐后血糖水平。GLP-1受体激动剂正是...
【嵌入式AIoT】系统架构与轻量化模型部署：面向智能家居与工业监测的边缘智能终端实战设计
12-21
内容概要：本文系统介绍了嵌入式AIoT应用场景的实战方法与实践路径，涵盖从场景选择、系统架构设计到AI模型部署、通信与数据管理的全流程。重点阐述了嵌入式系统与人工智能、物联网技术的融合，强调在资源受限环境下实现感知、分析与决策一体化的智能终端系统。文章详细解析了感知层、边缘计算层和云端服务层的协同机制，突出边缘侧数据处理与轻量化AI模型优化的重要性，并倡导以实际需求为导向，避免“为AI而AI”的设计误区。同时，强调系统稳定性、远程维护和长期运行能力的建设。; 适合人群：具备嵌入式系统基础、物联网或AI相关背景，有一定开发经验的工程师或工作1-3年的技术研发人员；适用于希望深入理解AIoT系统集成与实战落地的学习者。; 使用场景及目标：①智能家居、工业监测、智慧农业等分布式智能系统开发；②在算力、功耗受限的嵌入式设备上实现AI推理与边缘智能；③构建高效、可靠、可维护的端云协同AIoT系统。; 阅读建议：建议结合实际硬件平台进行项目化学习，边学边练，重点关注系统架构设计、模型优化与通信协议选型，注重整体系统思维的培养，而非仅关注单一技术点。
基于Python 的UART 文件传输工具
最新发布
12-21
基于Python 的UART 文件传输工具，基于Pyside6的GUI界面
C# 基于 Onnx 与 P2PNet 的人群检测与计数系统源码实现
12-21
基于C#编程语言与Onnx运行时环境，本文档详细阐述了一种利用P2PNet架构实现人群密度估计与个体计数的技术方案。该方案通过解析预训练模型，实现了对图像或视频流中人群分布的精准检测，并提供了可靠的计数功能。核心内容包括模型加载与推理流程的完整实现、数据处理管道的构建以及性能优化策略的探讨。本文旨在为相关领域的开发人员提供一个清晰、可复现的参考实现，着重于工程实践的严谨性与代码模块的可用性。所有实现代码均经过结构化组织与详细注释，以确保其易于理解与集成。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
Theoretical Machine Learning Notes (Princeton COS511)
12-21
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结（summarization） 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签，可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值