Targeting NMDA receptors in neuropsychiatric disorders by drug screening on human neurons derived from pluripotent stem cells
Notice bibliographique
Résumé
NMDA receptors (NMDARs), a prominent subtype of glutamatergic receptors, are implicated in the pathogenesis and development of neuropsychiatric disorders such as epilepsy, intellectual disability, autism spectrum disorder, and schizophrenia, and are therefore a potential therapeutic target in treating these disorders. Neurons derived from induced pluripotent stem cells (iPSCs) have provided the opportunity to investigate human NMDARs in their native environment. In this review, we describe the expression, function, and regulation of NMDARs in human iPSC-derived neurons and discuss approaches for utilizing human neurons for identifying potential drugs that target NMDARs in the treatment of neuropsychiatric disorders. A challenge in studying NMDARs in human iPSC-derived neurons is a predominance of those receptors containing the GluN2B subunit and low synaptic expression, suggesting a relatively immature phenotype of these neurons and delayed development of functional NMDARs. We outline potential approaches for improving neuronal maturation of human iPSC-derived neurons and accelerating the functional expression of NMDARs. Acceleration of functional expression of NMDARs in human iPSC-derived neurons will improve the modeling of neuropsychiatric disorders and facilitate the discovery and development of novel therapeutics targeting NMDARs for the treatment of these disorders.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».