Repurposing buspirone for drug addiction treatment
Notice bibliographique
Résumé
There has been considerable interest in modulating dopaminergic transmission for drug dependence treatment. However, the fact that dopamine (DA) acts through different receptor subtypes that may have different, perhaps opposing, properties have made the development of viable treatment strategies complex and challenging. It was initially thought that only two receptor subtypes, D1 and D2 receptors, defined on the basis of their distinct transduction mechanisms and pharmacological profiles, mediated the pleiotropic actions of DA. However, soon after D1 (Monsma et al. 1991) and D2 (Bunzow et al. 1988) receptors were cloned, D3 (Sokoloff et al. 1990), D4 (van Tol et al. 1991) and D5 (Sunahara et al. 1991) receptors were also discovered. Those five DA receptor subtypes, termed DRD1–DRD5 are categorized as either D1-like (DRD1 and DRD5) or D2-like (DRD2, DRD3 and DRD4) based on sequence homology and pharmacology (Le Foll et al. 2009). Among those receptors, we and others have proposed that targeting the DRD3 (Heidbreder & Newman, 2010; Le Foll et al. 2005; Newman et al. 2005) and DRD4 (Yan et al. 2012) may be a novel strategy for treatment of drug dependence. However, despite the recent development of promising molecules (particularly DRD3 ligands) by multiple pharmaceutical drug companies, the translational move forward to the clinic has been stalled, in part because of the loss of interest by pharmaceutical companies, of research in the area of neuropsychiatric disorders. In this context, the report recently published by Bergman et al. (2012) suggesting that buspirone binds to DRD3 and DRD4 (among other targets), and may thus aid drug-use cessation, is exciting and timely, especially considering that buspirone is an already-approved medication with a known …
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 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».