MétaCan
Menu
Retour à la cohorte
Enregistrement W2791208557 · doi:10.1073/pnas.1716871115

Restoring GABAergic inhibition rescues memory deficits in a Huntington’s disease mouse model

2018· article· en· W2791208557 sur OpenAlexafffund
Zahra Dargaei, Jee Yoon Bang, Vivek Mahadevan, C. Sahara Khademullah, Simon Bedard, Gustavo Morrone Parfitt, Jun Chul Kim, Melanie A. Woodin

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHuntington's diseaseNeuroscienceGABAergicInhibitory postsynaptic potentialDiseaseNeurotransmitterExcitatory postsynaptic potentialGenetically modified mouseMedicinePsychologyTransgeneBiologyInternal medicineCentral nervous systemGene

Résumé

récupéré en direct d'OpenAlex

Significance Huntington’s disease (HD) is a fatal neurodegenerative disorder that currently has no cure. Although HD is classically considered a motor disorder, HD patients experience learning and memory deficits years before the onset of motor symptoms, and these deficits resemble those observed in HD mouse models. In this work, using transgenic mouse models of HD, we demonstrate that the action of the neurotransmitter GABA has switched from inhibitory to excitatory. By treating HD mice with a clinically used diuretic (bumetanide), which restores inhibitory GABA, we rescued the learning and memory deficits. Our data suggest a potential therapeutic approach for the treatment of the cognitive deficits in early HD that can improve patient quality of life and reduce caregiver burden.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,316
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations102
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207