Ultra-low dose naltrexone enhances cannabinoid-induced antinociception
Notice bibliographique
Résumé
Both opioids and cannabinoids have inhibitory effects at micromolar doses, which are mediated by activated receptors coupling to Gi/o-proteins. Surprisingly, the analgesic effects of opioids are enhanced by ultra-low doses (nanomolar to picomolar) of the opioid antagonist, naltrexone. As opioid and cannabinoid systems interact, this study investigated whether ultra-low dose naltrexone also influences cannabinoid-induced antinociception. Separate groups of Long-Evans rats were tested for antinociception following an injection of vehicle, a sub-maximal dose of the cannabinoid agonist WIN 55 212-2, naltrexone (an ultra-low or a high dose) or a combination of WIN 55 212-2 and naltrexone doses. Tail-flick latencies were recorded for 3 h, at 10-min intervals for the first hour, and at 15-min intervals thereafter. Ultra-low dose naltrexone elevated WIN 55 212-2-induced tail flick thresholds without extending its duration of action. This enhancement was replicated in animals receiving intraperitoneal or intravenous injections. A high dose of naltrexone had no effect on WIN 55 212-2-induced tail flick latencies, but a high dose of the cannabinoid 1 receptor antagonist SR 141716 blocked the elevated tail-flick thresholds produced by WIN 55 212-2+ultra-low dose naltrexone. These data suggest a mechanism of cannabinoid-opioid interaction whereby activated opioid receptors that couple to Gs-proteins may attenuate cannabinoid-induced antinociception and/or motor functioning.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».