The Use of DREADDs to Deconstruct Behavior
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
A central goal in understanding brain function is to link specific cell populations to behavioral outputs. In recent years, the selective targeting of specific neural circuits has been made possible with the development of new experimental approaches, including chemogenetics. This technique allows for the control of molecularly defined subsets of cells through engineered G protein-coupled receptors (GPCRs), which have the ability to activate or silence neuronal firing. Through chemogenetics, neural circuits are being linked to behavioral outputs at an unprecedented rate. Further, the coupling of chemogenetics with imaging techniques to monitor neural activity in freely moving animals now makes it possible to deconstruct the complex whole-brain networks that are fundamental to behavioral states. In this review, we highlight a specific chemogenetic application known as DREADDs (designer receptors exclusively activated by designer drugs). DREADDs are used ubiquitously to modulate GPCR activity in vivo and have been widely applied in the basic sciences, particularly in the field of behavioral neuroscience. Here, we focus on the impact and utility of DREADD technology in dissecting the neural circuitry of various behaviors including memory, cognition, reward, feeding, anxiety and pain. By using DREADDs to monitor the electrophysiological, biochemical, and behavioral outputs of specific neuronal types, researchers can better understand the links between brain activity and behavior. Additionally, DREADDs are useful in studying the pathogenesis of disease and may ultimately have therapeutic potential.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle