βγ G-proteins, but not regulators of G-protein signaling 4, modulate opioid-induced respiratory rate depression
Notice bibliographique
Résumé
Opioid medications are the mainstay of pain management but present substantial side-effects such as respiratory depression which can be lethal with overdose. Most opioid drugs, such as fentanyl, act on opioid receptors such as the G-protein-coupled µ-opioid receptors (MOR). G-protein-coupled receptors activate pertussis toxin-sensitive G-proteins to inhibit neuronal activity. Binding of opioid ligands to MOR and subsequent activation G proteins βγ is modulated by regulator of G-protein signaling (RGS). The roles of G-proteins βγ and RGS in MOR-mediated inhibition of the respiratory network are not known. Using rodent models to pharmacologically modulate G-protein signaling, we aim to determine the roles of βγ G-proteins and RGS4. We showed that inhibition of βγ G-proteins using gallein perfused in the brainstem circuits regulating respiratory depression by opioid drugs results in complete reversal of respiratory depression. Blocking of RGS4 using CCG55014 did not change the respiratory depression induced by MOR activation despite co-expression of RGS4 and MORs in the brainstem. Our results suggest that neuronal inhibition by opioid drugs is mediated by G-proteins, but not by RGS4, which supports the concept that βγ G-proteins could be molecular targets to develop opioid overdose antidotes without the risks of re-narcotization often found with highly potent opioid drugs. On the other hand, RGS4 mediates opioid analgesia, but not respiratory depression, and RGS4 may be molecular targets to develop pain therapies without respiratory liability.
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) | 0,001 | 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 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 ».