Modulation of Nur77 expression by dopaminergic drug is altered by a MEK pathway inhibitor in vivo
Notice bibliographique
Résumé
Transcription factors of the Nurs family (Nurr‐1, Nur77 and Nor‐1) are orphan receptors that have been recently associated to dopaminergic neurotransmission. Previous studies have shown that dopaminergic agonists and antagonists (antipsychotic) administration up‐regulated Nur77 mRNA levels in dynorphin‐ and enkephalin‐bearing striatal neurons, respectively. But, the intracellular cascade involved in Nur77 expression remains unexplored in the CNS. To this aim, we evaluated the role of a MEK (MAP kinase or ERK Kinase) inhibitor (SL327) and a PKC (Protein Kinase C) inhibitor (NPC‐15437), that cross the brain blood barrier, in these effects. Groups of mice received acute injections of vehicle, SL327, NPC‐15437, eticlopride (D2 antagonist), a combination or D1 and D2 agonists (SKF82958 and quinpirole) and combination of these dopaminergic agents with SL327 or NPC‐15437. Nur77 mRNA levels were measured by in situ hybridization. SL327 potentialized D2 antagonist‐induced Nur77 mRNA expression in the striatum. On the other hand, combination of SKF82958 + quinpirole with SL327 and NPC‐15437 reduce up‐regulated Nur77 mRNA levels in the striatum. These results show that the MEK and PKC pathways are involved in the signaling cascade leading to modulation of Nur77 expression by dopaminergic drug in vivo and that these pathways distinctly modulates Nur77 expression in the two striatal cell populations. Interestingly the MEK and PKC pathways did not modulate Nur77 mRNA level in substantia nigra neurons expressing the dopamine D2 autoreceptor. The fact that NPC‐15437 has no effect in enkephalin‐positive neurons suggest that the effects of D2 antagonist act downstream of PKC. Support provided by the Canadian Institutes for Health Research (CIHR).
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 ».