Interactions Between the Serotonergic and Other Neurotransmitter Systems in the Basal Ganglia: Role in Parkinson’s Disease and Adverse Effects of L-DOPA
Notice bibliographique
Résumé
Parkinson's disease (PD) is characterized by the progressive loss of dopaminergic neurons in the substantia nigra. However, other non-dopaminergic neuronal systems such as the serotonergic system are also involved. Serotonergic dysfunction is associated with non-motor symptoms and complications, including anxiety, depression, dementia, and sleep disturbances. This pathology reduces patient quality of life. Interaction between the serotonergic and other neurotransmitters systems such as dopamine, noradrenaline, glutamate, and GABA controls the activity of striatal neurons and are particularly interesting for understanding the pathophysiology of PD. Moreover, serotonergic dysfunction also causes motor symptoms. Interestingly, serotonergic neurons play an important role in the effects of L-DOPA in advanced PD stages. Serotonergic terminals can convert L-DOPA to dopamine, which mediates dopamine release as a "false" transmitter. The lack of any autoregulatory feedback control in serotonergic neurons to regulate L-DOPA-derived dopamine release contributes to the appearance of L-DOPA-induced dyskinesia (LID). This mechanism may also be involved in the development of graft-induced dyskinesias (GID), possibly due to the inclusion of serotonin neurons in the grafted tissue. Consistent with this, the administration of serotonergic agonists suppressed LID. In this review article, we summarize the interactions between the serotonergic and other systems. We also discuss the role of the serotonergic system in LID and if therapeutic approaches specifically targeting this system may constitute an effective strategy in PD.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».