Quantitative trait locus and computational mapping identifies Kcnj9 (GIRK3) as a candidate gene affecting analgesia from multiple drug classes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: Interindividual differences in analgesic drug response complicate the clinical management of pain. We aimed to identify genetic factors responsible for variable sensitivity to analgesic drugs of disparate neurochemical classes. METHODS AND RESULTS: Quantitative trait locus mapping in 872 (C57BL/6x129P3)F2 mice was used to identify genetic factors contributing to variability in the analgesic effect of opioid (morphine), alpha2-adrenergic (clonidine), and cannabinoid (WIN55,212-2) drugs against thermal nociception. A region on distal chromosome 1 showing significant linkage to analgesia from all three drugs was identified. Computational (in silico) genetic analysis of analgesic responses measured in a panel of inbred strains identified a haplotype block within this region containing the Kcnj9 and Kcnj10 genes, encoding the Kir3.3 (GIRK3) and Kir4.1 inwardly rectifying potassium channel subunits. The genes are differentially expressed in the midbrain periaqueductal gray of 129P3 versus C57BL/6 mice, owing to cis-acting genetic elements. The potential role of Kcnj9 was confirmed by the demonstration that knockout mice have attenuated analgesic responses. CONCLUSION: A single locus is partially responsible for the genetic mediation of pain inhibition, and genetic variation associated with the potassium channel gene, Kcnj9, is a prime candidate for explaining the variable response to these analgesic drugs.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle