Serotonin as a drug receptor for Li<sup>+</sup>: a computational study
Notice bibliographique
Résumé
Although Li+ is widely used to treat bipolar disorder, its antidepressant pharmacological mechanism of action remains unelucidated. Herein, based on molecular modelling studies, we present the novel hypothesis that one possible receptor for Li+ is serotonin (5-hydroxytryptamine, 5-HT), a small molecule neurotransmitter rather than a large macromolecular protein. The resulting Li+/5-HT drug–receptor complex subsequently interacts with “upstream” macromolecular receptors such as the 5-HT1A receptor differently than 5-HT alone, producing an enhanced antidepressant effect. The notion that a neurotransmitter could itself be a receptor for a therapeutic is an interesting receptor cascade concept. Using molecular mechanics and semi-empirical and ab initio levels of theory, the potential interactions between Li+ and 5-HT and between Li+ and 5-HIAA (5-hydroxyindoleacetic acid, a 5-HT metabolite) were examined. Molecular dynamics simulations were then used to examine how Li+ affects the binding of 5-HT to its target 5-HT1A antidepressant receptor. The results of these calculations suggest that Li+ can interact with 5-HT and in such a way that it modifies the ligand–protein interactions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».