Differential modulation of thermal preference after sensitization by optogenetic or pharmacological activation of heat-sensitive nociceptors
Notice bibliographique
Résumé
Common approaches to studying mechanisms of chronic pain and sensory changes in pre-clinical animal models involve measurement of acute, reflexive withdrawal responses evoked by noxious stimuli. These methods typically do not capture more subtle changes in sensory processing nor report on the consequent behavioral changes. In addition, data collection and analysis protocols are often labour-intensive and require direct investigator interactions, potentially introducing bias. In this study, we develop and characterize a low-cost, easily assembled behavioral assay that yields self-reported temperature preference from mice that is responsive to peripheral sensitization. This system uses a partially automated and freely available analysis pipeline to streamline the data collection process and enable objective analysis. We found that after intraplantar administration of the TrpV1 agonist, capsaicin, mice preferred to stay in cooler temperatures than saline injected mice. We further observed that gabapentin, a non-opioid analgesic commonly prescribed to treat chronic pain, reversed this aversion to higher temperatures. In contrast, optogenetic activation of the central terminals of TrpV1 + primary afferents via in vivo spinal light delivery did not induce a similar change in thermal preference, indicating a possible role for peripheral nociceptor activity in the modulation of temperature preference. We conclude that this easily produced and robust sensory assay provides an alternative approach to investigate the contribution of central and peripheral mechanisms of sensory processing that does not rely on reflexive responses evoked by noxious stimuli.
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) | 0,000 | 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 | 0,000 |
| 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 ».