Evaluation of the potential of the phytocannabinoids, cannabidivarin (<scp>CBDV</scp>) and Δ<sup>9</sup>‐tetrahydrocannabivarin (<scp>THCV</scp>), to produce <scp>CB<sub>1</sub></scp> receptor inverse agonism symptoms of nausea in rats
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The cannabinoid 1 (CB1 ) receptor inverse agonists/antagonists, rimonabant (SR141716, SR) and AM251, produce nausea and potentiate toxin-induced nausea by inverse agonism (rather than antagonism) of the CB1 receptor. Here, we evaluated two phytocannabinoids, cannabidivarin (CBDV) and Δ(9) -tetrahydrocannabivarin (THCV), for their ability to produce these behavioural effect characteristics of CB1 receptor inverse agonism in rats. EXPERIMENTAL APPROACH: In experiment 1, we investigated the potential of THCV and CBDV to produce conditioned gaping (measure of nausea-induced behaviour) in the same manner as SR and AM251. In experiment 2, we investigated the potential of THCV and CBDV to enhance conditioned gaping produced by a toxin in the same manner as CB1 receptor inverse agonists. KEY RESULTS: SR (10 and 20 mg·kg(-1) ) and AM251 (10 mg·kg(-1) ) produced conditioned gaping; however, THCV (10 or 20 mg·kg(-1) ) and CBDV (10 or 200 mg·kg(-1) ) did not. At a subthreshold dose for producing nausea, SR (2.5 mg·kg(-1) ) enhanced lithium chloride (LiCl)-induced conditioned gaping, whereas Δ(9) -tetrahydrocannabinol (THC, 2.5 and 10 mg·kg(-1) ), THCV (2.5 or 10 mg·kg(-1) ) and CBDV (2.5 or 200 mg·kg(-1) ) did not; in fact, THC (2.5 and 10 mg·kg(-1) ), THCV (10 mg·kg(-1) ) and CBDV (200 mg·kg(-1) ) suppressed LiCl-induced conditioned gaping, suggesting anti-nausea potential. CONCLUSIONS AND IMPLICATIONS: The pattern of findings indicates that neither THCV nor CBDV produced a behavioural profile characteristic of CB1 receptor inverse agonists. As well, these compounds may have therapeutic potential in reducing nausea.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».