Potentiation of morphine antinociception and inhibition of diabetic neuropathic pain by the multi-chemokine receptor antagonist peptide RAP-103
Notice bibliographique
Résumé
AIMS: We determined the ability of the multi-chemokine receptor (CCR2/CCR5/CCR8) antagonist RAP-103 to modulate pain behaviors in an acute model of surgical pain, with and without an added opioid (morphine), and by itself in a chronic model of Streptozotocin (STZ)-induced diabetic peripheral neuropathy (DPN). MATERIALS AND METHODS: Pain behaviors were assessed by mechanical and thermal tests in rats. Cytokine and chemokine biomarkers in sciatic nerve and spinal cord were assessed by in situ qPCR. KEY FINDINGS: of morphine from 3.19 mg/kg to 1.42 mg/kg. In a DPN model, rats exhibited persistent mechanical and cold allodynia. Oral administration of RAP-103 (0.5-0.02 mg/kg/day) resulted in a complete reversal of established hypersensitivity in DPN rats (P < .001), which gradually returned to pain hypersensitivity after the cessation of the treatment. The mRNA expression of cytokines, IL-1β, TNFα; chemokines CCL2, CCL3; and chemokine receptors CCR2 and CCR5 in DPN rat sciatic nerve, but not spinal cord, were significantly increased. RAP-103 resulted in significant reductions in sciatic nerve expression of IL-1β, TNFα and CCL3 in STZ-induced diabetic rats with trends toward lower levels for CCL2 and CCR5, while CCR2 was unchanged. SIGNIFICANCE: In acute pain, co-administration of RAP-103 with morphine provided the same antinociceptive effect with a reduced dose of morphine, reducing opioid side-effects and risks. RAP-103 by itself is an effective non-opioid antinociceptive treatment for diabetic neuropathic pain.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».