Therapeutic Potential of Peroxisome Proliferator-Activated Receptor (PPAR) Agonists in Substance Use Disorders: A Synthesis of Preclinical and Human Evidence
Notice bibliographique
Résumé
Targeting peroxisome proliferator-activated receptors (PPARs) has received increasing interest as a potential strategy to treat substance use disorders due to the localization of PPARs in addiction-related brain regions and the ability of PPAR ligands to modulate dopamine neurotransmission. Robust evidence from animal models suggests that agonists at both the PPAR-α and PPAR-γ isoforms can reduce both positive and negative reinforcing properties of ethanol, nicotine, opioids, and possibly psychostimulants. A reduction in the voluntary consumption of ethanol following treatment with PPAR agonists seems to be the most consistent finding. However, the human evidence is limited in scope and has so far been less promising. There have been no published human trials of PPAR agonists for treatment of alcohol use disorder, despite the compelling preclinical evidence. Two trials of PPAR-α agonists as potential smoking cessation drugs found no effect on nicotine-related outcomes. The PPAR-γ agonist pioglitazone showed some promise in reducing heroin, nicotine, and cocaine craving in two human laboratory studies and one pilot trial, yet other outcomes were unaffected. Potential explanations for the discordance between the animal and human evidence, such as the potency and selectivity of PPAR ligands and sex-related variability in PPAR physiology, are discussed.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».