Ethanol self‐administration and nicotine treatment increase brain levels of<scp>CYP</scp>2<scp>D</scp>in<scp>A</scp>frican green monkeys
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: CYP2D6 metabolizes many centrally acting drugs, neurotoxins and endogenous neurochemicals, and differences in brain levels of CYP2D have been associated with brain function and drug response. Alcohol consumers and smokers have higher levels of CYP2D6 in brain, but not liver, suggesting ethanol and/or nicotine may induce human brain CYP2D6. We investigated the independent and combined effects of chronic ethanol self-administration and nicotine treatment on CYP2D expression in African green monkeys. EXPERIMENTAL APPROACH: Forty monkeys were randomized into control, ethanol-only, nicotine-only and ethanol + nicotine groups. Two groups voluntarily self-administered 10% ethanol in sucrose solution for 4 h·day(-1) , whereas two groups consumed sucrose solution on the same schedule. Two groups received daily s.c. injections of 0.5 mg·kg(-1) nicotine in saline bid, whereas two groups were injected with saline on the same schedule. KEY RESULTS: Both nicotine and ethanol dose-dependently increased CYP2D in brain; brain mRNA was unaffected, and neither drug altered hepatic CYP2D protein or mRNA. The combination of ethanol and nicotine increased brain CYP2D protein levels to a greater extent than either drug alone (1.2-2.2-fold, P < 0.05 among the eight brain regions assessed). Immunohistochemistry revealed the induction of brain CYP2D protein within specific cell types and regions in the treatment groups. CONCLUSIONS AND IMPLICATIONS: Ethanol and nicotine increase brain CYP2D protein levels in monkeys, in a region and treatment-specific manner, suggesting that CNS drug responses, neurodegeneration and personality may be affected among people who consume alcohol and/or nicotine.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».