The Mesencephalic Locomotor Region: Multiple Cell Types, Multiple Behavioral Roles, and Multiple Implications for Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The mesencephalic locomotor region (MLR) controls locomotion in vertebrates. In humans with Parkinson disease, locomotor deficits are increasingly associated with decreased activity in the MLR. This brainstem region, commonly considered to include the cuneiform and pedunculopontine nuclei, has been explored as a target for deep brain stimulation to improve locomotor function, but the results are variable, from modest to promising. However, the MLR is a heterogeneous structure, and identification of the best cell type to target is only beginning. Here, I review the studies that uncovered the role of genetically defined MLR cell types, and I highlight the cells whose activation improves locomotor function in animal models of Parkinson disease. The promising cell types to activate comprise some glutamatergic neurons in the cuneiform and caudal pedunculopontine nuclei, as well as some cholinergic neurons of the pedunculopontine nucleus. Activation of MLR GABAergic neurons should be avoided, since they stop locomotion or evoke bouts flanked with numerous stops. MLR is also considered a potential target in spinal cord injury, supranuclear palsy, primary progressive freezing of gait, or stroke. Better targeting of the MLR cell types should be achieved through optimized deep brain stimulation protocols, pharmacotherapy, or the development of optogenetics for human use.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,002 |
| 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 découle