Animal Models of Metabolic Epilepsy and Epilepsy Associated Metabolic Dysfunction: A Systematic Review
Notice bibliographique
Résumé
Epilepsy is a serious neurological disorder affecting around 70 million people globally and is characterized by spontaneous recurrent seizures. Recent evidence indicates that dysfunction in metabolic processes can lead to the alteration of neuronal and network excitability, thereby contributing to epileptogenesis. Developing a suitable animal model that can recapitulate all the clinical phenotypes of human metabolic epilepsy (ME) is crucial yet challenging. The specific environment of many symptoms as well as the primary state of the applicable neurobiology, genetics, and lack of valid biomarkers/diagnostic tests are the key factors that hinder the process of developing a suitable animal model. The present systematic review summarizes the current state of available animal models of metabolic dysfunction associated with epileptic disorders. A systematic search was performed by using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) model. A range of electronic databases, including google scholar, Springer, PubMed, ScienceDirect, and Scopus, were scanned between January 2000 and April 2020. Based on the selection criteria, 23 eligible articles were chosen and are discussed in the current review. Critical analysis of the selected literature delineated several available approaches that have been modeled into metabolic epilepsy and pointed out several drawbacks associated with the currently available models. The result describes available models of metabolic dysfunction associated with epileptic disorder, such as mitochondrial respiration deficits, Lafora disease (LD) model-altered glycogen metabolism, causing epilepsy, glucose transporter 1 (GLUT1) deficiency, adiponectin responsive seizures, phospholipid dysfunction, glutaric aciduria, mitochondrial disorders, pyruvate dehydrogenase (PDH) α-subunit gene (PDHA1), pyridoxine dependent epilepsy (PDE), BCL2-associated agonist of cell death (BAD), Kcna1 knock out (KO), and long noncoding RNAs (lncRNA) cancer susceptibility candidate 2 (lncRNA CASC2). Finally, the review highlights certain focus areas that may increase the possibilities of developing more suitable animal models and underscores the importance of the rationalization of animal models and evaluation methods for studying ME. The review also suggests the pressing need of developing precise robust animal models and evaluation methods for investigating ME.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».