Intersections in Neuropsychiatric and Metabolic Disorders: Possible Role of TRPA1 Channels
Notice bibliographique
Résumé
Neuropsychiatric disorders (NPDs) are a huge burden to the patient, their family, and society. NPDs have been greatly associated with cardio-metabolic comorbidities such as obesity, type-2 diabetes mellitus, dysglycaemia, insulin resistance, dyslipidemia, atherosclerosis, and other cardiovascular disorders. Antipsychotics, which are frontline drugs in the treatment of schizophrenia and off-label use in other NPDs, also add to this burden by causing severe metabolic perturbations. Despite decades of research, the mechanism deciphering the link between neuropsychiatric and metabolic disorders is still unclear. In recent years, transient receptor potential Ankyrin 1 (TRPA1) channel has emerged as a potential therapeutic target for modulators. TRPA1 agonists/antagonists have shown efficacy in both neuropsychiatric disorders and appetite regulation and thus provide a crucial link between both. TRPA1 channels are activated by compounds such as cinnamaldehyde, allyl isothiocyanate, allicin and methyl syringate, which are present naturally in food items such as cinnamon, wasabi, mustard, garlic, etc. As these are present in many daily food items, it could also improve patient compliance and reduce the patients' monetary burden. In this review, we have tried to present evidence of the possible involvement of TRPA1 channels in neuropsychiatric and metabolic disorders and a possible hint towards using TRPA1 modulators to target appetite, lipid metabolism, glucose and insulin homeostasis and inflammation associated with NPDs.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».