Modulation of Pathological Pain by Epidermal Growth Factor Receptor
Notice bibliographique
Résumé
Chronic pain has been widely recognized as a major public health problem that impacts multiple aspects of patient quality of life. Unfortunately, chronic pain is often resistant to conventional analgesics, which are further limited by their various side effects. New therapeutic strategies and targets are needed to better serve the millions of people suffering from this devastating disease. To this end, recent clinical and preclinical studies have implicated the epidermal growth factor receptor signaling pathway in chronic pain states. EGFR is one of four members of the ErbB family of receptor tyrosine kinases that have key roles in development and the progression of many cancers. EGFR functions by activating many intracellular signaling pathways following binding of various ligands to the receptor. Several of these signaling pathways, such as phosphatidylinositol 3-kinase, are known mediators of pain. EGFR inhibitors are known for their use as cancer therapeutics but given recent evidence in pilot clinical and preclinical investigations, may have clinical use for treating chronic pain. Here, we review the clinical and preclinical evidence implicating EGFR in pathological pain states and provide an overview of EGFR signaling highlighting how EGFR and its ligands drive pain hypersensitivity and interact with important pain pathways such as the opioid system.
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) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».