Modulation of the anti‐nociceptive effects of 2‐arachidonoyl glycerol by peripherally administered FAAH and MGL inhibitors in a neuropathic pain model
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: There are limited options for the treatment of neuropathic pain. Endocannabinoids, such as anandamide and 2-arachidonoyl glycerol (2-AG), are promising pain modulators and there is recent evidence of interactions between anandamide and 2-AG biosynthesis and metabolism. It has been clearly demonstrated that 2-AG degradation is mainly catalysed not only by monoacylglycerol lipase (MGL) but also by a fatty acid amide hydrolase (FAAH). Inhibitors specifically targeting these two enzymes have also been described: URB602 and URB597, respectively. However, the anti-nociceptive effects of the combination of peripherally injected 2-AG, URB602 and URB597 in a neuropathic pain model have not yet been determined. This was performed in the presence or absence of cannabinoid CB(1) (AM251) and CB(2) (AM630) receptor antagonists. EXPERIMENTAL APPROACH: Mechanical allodynia and thermal hyperalgesia were evaluated in 213 male Wistar rats allocated to 32 different groups. Drugs were injected subcutaneously in the dorsal surface of the hind paw (50 muL) 15 min before pain tests. KEY RESULTS: 2-AG, URB602 and URB597 significantly decreased mechanical allodynia and thermal hyperalgesia with ED50 of 1.6+/-1.5 and 127+/-83 mug for 2-AG and URB602, respectively. These effects were mediated locally and were mostly inhibited by the two cannabinoid antagonists. CONCLUSIONS AND IMPLICATIONS: The combination of the three compounds did not produce any greater anti-allodynic or anti-hyperalgesic effects, suggesting that FAAH inhibition could reduce or limit the anti-nociceptive effects of 2-AG. Peripheral administration of endocannabinoids or MGL/FAAH inhibitors is a promising analgesic approach requiring further investigation.
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 | 0,000 |
| 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) | 0,002 | 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 ».