Sigma‐1 receptors control neuropathic pain and macrophage infiltration into the dorsal root ganglion after peripheral nerve injury
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
Neuron-immune interaction in the dorsal root ganglia (DRG) plays a pivotal role in the neuropathic pain development after nerve injury. Sigma-1 receptor (Sig-1R) is expressed by DRG neurons but its role in neuropathic pain is not fully understood. We investigated the effect of peripheral Sig-1R on neuroinflammation in the DRG after spared (sciatic) nerve injury (SNI) in mice. Nerve injury induced a decrease in NeuN staining along with the nuclear eccentricity and ATF3 expression in the injured DRG. Sig-1R was present in all DRG neurons examined, and after SNI this receptor translocated to the periphery of the soma and the vicinity of the nucleus, especially in injured ATF3 + neurons. In WT mice, injured DRG produced the chemokine CCL2, and this was followed by massive infiltration of macrophages/monocytes, which clustered mainly around sensory neurons with translocated Sig-1R, accompanied by robust IL-6 increase and mechanical allodynia. In contrast, Sig-1R knockout (Sig-1R-KO) mice showed reduced levels of CCL2, decreased macrophage/monocyte infiltration into DRG, and less IL-6 and neuropathic mechanical allodynia after SNI. Our findings point to an important role of peripheral Sig-1R in sensory neuron-macrophage/monocyte communication in the DRG after peripheral nerve injury; thus, these receptors may contribute to the neuropathic pain phenotype.
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 | 0,002 | 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 | 0,000 | 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