Differential barcoding of opioid receptors trafficking
Notice bibliographique
Résumé
Over the past several years, studies have highlighted the δ-opioid receptor (DOPr) as a promising therapeutic target for chronic pain management. While exhibiting milder undesired effects than most currently prescribed opioids, its specific agonists elicit effective analgesic responses in numerous animal models of chronic pain, including inflammatory, neuropathic, diabetic, and cancer-related pain. However, as compared with the extensively studied μ-opioid receptor, the molecular mechanisms governing its trafficking remain elusive. Recent advances have denoted several significant particularities in the regulation of DOPr intracellular routing, setting it apart from the other members of the opioid receptor family. Although they share high homology, each opioid receptor subtype displays specific amino acid patterns potentially involved in the regulation of its trafficking. These precise motifs or "barcodes" are selectively recognized by regulatory proteins and therefore dictate several aspects of the itinerary of a receptor, including its anterograde transport, internalization, recycling, and degradation. With a specific focus on the regulation of DOPr trafficking, this review will discuss previously reported, as well as potential novel trafficking barcodes within the opioid and nociceptin/orphanin FQ opioid peptide receptors, and their impact in determining distinct interactomes and physiological responses.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».