Neurotransmitter receptor densities are associated with changes in regional Cerebral blood flow during clinical ongoing pain
Notice bibliographique
Résumé
Arterial spin labelling (ASL) plays an increasingly important role in neuroimaging pain research but does not provide molecular insights regarding how regional cerebral blood flow (rCBF) relates to underlying neurotransmission. Here, we integrate ASL with positron emission tomography (PET) and brain transcriptome data to investigate the molecular substrates of rCBF underlying clinically relevant pain states. Two data sets, representing acute and chronic ongoing pain respectively, were utilised to quantify changes in rCBF; one examining pre-surgical versus post-surgical pain, and the second comparing patients with painful hand Osteoarthritis to a group of matched controls. We implemented a whole-brain spatial correlation analysis to explore associations between change in rCBF (ΔCBF) and neurotransmitter receptor distributions derived from normative PET templates. Additionally, we utilised transcriptomic data from the Allen Brain Atlas to inform distributions of receptor expression. Both datasets presented significant correlations of ΔCBF with the μ-opioid and dopamine-D2 receptor expressions, which play fundamental roles in brain activity associated with pain experiences. ΔCBF also correlated with the gene expression distributions of several receptors involved in pain processing. Overall, this is the first study illustrating the molecular basis of ongoing pain ASL indices and emphasises the potential of rCBF as a biomarker in pain research.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 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 ».