MétaCan
Menu
Retour à la cohorte
Enregistrement W3128113982 · doi:10.1101/2021.02.09.430533

The <i>foraging</i> gene affects alcohol sensitivity, metabolism and memory in <i>Drosophila</i>

2021· preprint· en· W3128113982 sur OpenAlexfundno aff
Anne S. Oepen, Jamie L. Catalano, Reza Azanchi, Karla R. Kaun

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueRenin-Angiotensin System Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthUniversity of Toronto
Mots-clésBiologyAlcoholGenetic variationPhenotypeMushroom bodiesGeneEthanolDrosophila melanogasterProtein kinase AAlcohol use disorderGeneticsForagingSingle-nucleotide polymorphismKinaseGenotypeBiochemistryEcology

Résumé

récupéré en direct d'OpenAlex

The genetic basis of alcohol use disorder (AUD) is complex. Understanding how natural genetic variation contributes to alcohol phenotypes can help identify mechanisms underlying the genetic contribution of AUD. Recently, a single nucleotide polymorphism in the human foraging ( for ) gene ortholog, Protein Kinase cGMP-Dependent 1 (PRKG1), was found to be associated with stress-induced risk for alcohol abuse. However, the mechanistic role that PRKG1 plays in AUD is not well understood. We use natural variation in the Drosophila for gene to describe how variation of cGMP-dependent protein kinase (PKG) activity modifies ethanol-induced phenotypes. We found that variation in for affects ethanol-induced increases in locomotion and memory of the appetitive properties of ethanol intoxication. Further, these differences may stem from the ability to metabolize ethanol. Together, this data suggests that natural variation in PKG modulates cue reactivity for alcohol, and thus could influence alcohol cravings by differentially modulating metabolic and behavioral sensitivities to alcohol.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetRenin-Angiotensin System StudiesTravaux en français237 207