Propofol sedation-induced alterations in brain connectivity reflect parvalbumin interneurone distribution in human cerebral cortex
Notice bibliographique
Résumé
BACKGROUND: Propofol, a commonly used intravenous anaesthetic, binds to type A gamma aminobutyric acid (GABA) receptors in mammalian brain. Previous work on its anaesthetic action has characterised either the biochemistry underlying propofol binding or the associated changes in brain network dynamics during sedation. Despite these advances, no study has focused on understanding how propofol action at the cellular level results in changes in brain network connectivity. METHODS: We used human whole-brain microarray data to generate distribution maps for genes that mark the primary GABAergic cortical interneurone subtypes (somatostatin, parvalbumin [PV], and 5-hydroxytryptamine 3A. Next, 25 healthy participants underwent propofol-induced sedation during resting state functional MRI scanning. We used partial least squares analysis to identify the brain regions in which connectivity patterns were most impacted by propofol sedation. We then correlated these multimodal cortical patterns to determine if a specific interneurone subtype was disproportionately expressed in brain regions in which connectivity patterns were altered during sedation. RESULTS: Brain networks that were significantly altered by propofol sedation had a high density of PV-expressing GABAergic interneurones. Brain networks that anticorrelated during normal wakefulness, namely the default mode network and attentional and frontoparietal control networks, increased in correlation during sedation. CONCLUSIONS: PV-expressing interneurones are highly expressed in brain regions with altered connectivity profiles during propofol-induced sedation. This study also demonstrates the utility of leveraging multiple datasets to address multiscale neurobiological problems.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».