Drug-Induced Seizures: Considerations for Underlying Molecular Mechanisms
Notice bibliographique
Résumé
A broad spectrum of chemical entities have been associated with drug-induced seizure (DIS), emphasizing the importance of this potential liability across various drug classes (e.g., antidepressants, antipsychotics, antibiotics, and analgesics among others). Despite its importance within drug safety testing, an understanding of the molecular mechanisms associated with DIS is often lacking. The etiology of DIS is understood to be a result of either a deficit in inhibitory (e.g., gamma aminobutyric acid) or an elevated excitatory (e.g., glutamate) signaling, leading to synchronous neuronal depolarization affecting various brain regions and impairing normal neurological functions. How this altered neuronal signaling occurs and how these changes interact with other non-brain receptor driven DIS-associated changes such as metabolic disturbances, electrolyte imbalances, altered drug metabolism, and withdrawal effects are poorly understood. Herein, we discuss important molecular mechanisms identified in DIS for several drugs and/or drug classes. With a better understanding of the molecular mechanisms associated with DIS, in vivo or in vitro models may be applied to characterize and mitigate DIS risk during drug development. Susceptibility stratification for DIS presents species differences in the following order beagle dogs > rodents and cynomolgus monkeys > Göttingen minipigs with a more than 2-fold difference between canines and minipigs, which is important to consider during non-clinical species selection. While clinical signs such as myoclonus, severe muscle jerks, or convulsions are often associated with abnormal epileptiform EEG activity, tremors are most of the time physiological and rarely observed with concurrent epileptiform EEG activity which need to be considered during DIS risk evaluation.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».