MétaCan
Menu
Retour à la cohorte
Enregistrement W3084702012 · doi:10.1007/s13311-020-00927-1

Neuronal Adenylyl Cyclase Targeting Central Plasticity for the Treatment of Chronic Pain

2020· review· en· W3084702012 sur OpenAlexaff
Xu‐Hui Li, Qi‐Yu Chen, Min Zhuo

Notice bibliographique

RevueNeurotherapeutics · 2020
Typereview
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChronic painMedicineNeuropathic painNeuroscienceLong-term potentiationExcitatory postsynaptic potentialNeurotransmissionGabapentinSensitizationAdenylyl cyclasePharmacologyPsychologyInhibitory postsynaptic potentialPsychiatryInternal medicineStimulation

Résumé

récupéré en direct d'OpenAlex

Chronic pain is a major health problem and the effective treatment for chronic pain is still lacking. The recent crisis created by the overuse of opioids for pain treatment has clearly shown the need for non-addictive novel pain medicine. Conventional pain medicines usually inhibit peripheral nociceptive transmission and reduce central transmission, especially pain-related excitatory transmission. For example, both opioids and gabapentin produce analgesic effects by inhibiting the release of excitatory transmitters and reducing neuronal excitability. Here, we will review recent studies of central synaptic plasticity contributing to central sensitization in chronic pain. Neuronal selective adenylyl cyclase subtype 1 (AC1) is proposed to be a key intracellular protein that causes both presynaptic and postsynaptic forms of long-term potentiation (LTP). Inhibiting the activity of AC1 by selective inhibitor NB001 blocks behavioral sensitization and injury-related anxiety in animal models of chronic pain. We propose that inhibiting injury-related LTPs will provide new mechanisms for designing novel medicines for the treatment of chronic pain and its related emotional disorders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,345
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurotherapeuticsMême sujetPain Mechanisms and TreatmentsTravaux en français237 207