Identifying genetic determinants of inflammatory pain in mice using a large-scale gene-targeted screen
Notice bibliographique
Résumé
ABSTRACT: Identifying the genetic determinants of pain is a scientific imperative given the magnitude of the global health burden that pain causes. Here, we report a genetic screen for nociception, performed under the auspices of the International Mouse Phenotyping Consortium. A biased set of 110 single-gene knockout mouse strains was screened for 1 or more nociception and hypersensitivity assays, including chemical nociception (formalin) and mechanical and thermal nociception (von Frey filaments and Hargreaves tests, respectively), with or without an inflammatory agent (complete Freund's adjuvant). We identified 13 single-gene knockout strains with altered nocifensive behavior in 1 or more assays. All these novel mouse models are openly available to the scientific community to study gene function. Two of the 13 genes (Gria1 and Htr3a) have been previously reported with nociception-related phenotypes in genetically engineered mouse strains and represent useful benchmarking standards. One of the 13 genes (Cnrip1) is known from human studies to play a role in pain modulation and the knockout mouse reported herein can be used to explore this function further. The remaining 10 genes (Abhd13, Alg6, BC048562, Cgnl1, Cp, Mmp16, Oxa1l, Tecpr2, Trim14, and Trim2) reveal novel pathways involved in nociception and may provide new knowledge to better understand genetic mechanisms of inflammatory pain and to serve as models for therapeutic target validation and drug development.
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 | 0,003 | 0,001 |
| 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 ».