Partial agonists in schizophrenia – why some work and others do not: insights from preclinical animal models
Notice bibliographique
Résumé
While dopamine D2 receptor partial agonists (PAs) have been long considered for treating schizophrenia, only one, aripiprazole, is clinically available for therapeutic use. This raises critically important questions as to what is unique about aripiprazole and to what extent animal models can predict therapeutic success. A number of PAs whose clinical fate is known: aripiprazole, preclamol, terguride, OPC-4392 and bifeprunox were compared to haloperidol (a reference antipsychotic) in several convergent preclinical animal models; i.e. amphetamine-induced locomotion (AIL) and conditioned avoidance response (CAR), predictive of antipsychotic effects; unilateral nigrostriatal lesioned rats, a model of hypo-dopaminergia; striatal Fos induction, a molecular marker for antipsychotic activity; and side-effects common to this class of drugs: catalepsy (motor side-effects) and prolactaemia. The results were compared across drugs with reference to their measured striatal D2 receptor occupancy. All the PAs occupied striatal D2 receptors in a dose dependent manner, inhibited AIL and CAR, and lacked motor side-effects or prolactinaemia despite D2 receptor occupancy exceeding 80%. At comparative doses, aripiprazole distinguished itself from the other PAs by causing the least rotation in the hypo-dopaminergic model (indicating the least intrinsic activity) and showed the highest Fos expression in the nucleus accumbens (indicating functional D2 antagonism). Although a number of PAs are active in antipsychotic animal models, not all of them succeed. Given that only aripiprazole is clinically available, it can be inferred that low functional intrinsic activity coupled with sufficient functional antagonism as reflected in the animal models may be a marker of success.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».