Cannabidiol Exerts Anticonvulsant Effects Alone and in Combination with Δ9-THC through the 5-HT1A Receptor in the Neocortex of Mice
Notice bibliographique
Résumé
Cannabinoids have shown potential in drug-resistant epilepsy treatment; however, we lack knowledge on which cannabinoid(s) to use, dosing, and their pharmacological targets. This study investigated (i) the anticonvulsant effect of Cannabidiol (CBD) alone and (ii) in combination with Delta-9 Tetrahydrocannabinol (Δ9-THC), as well as (iii) the serotonin (5-HT)1A receptor’s role in CBD’s mechanism of action. Seizure activity, induced by 4-aminopyridine, was measured by extracellular field recordings in cortex layer 2/3 of mouse brain slices. The anticonvulsant effect of 10, 30, and 100 µM CBD alone and combined with Δ9-THC was evaluated. To examine CBD’s mechanism of action, slices were pre-treated with a 5-HT1A receptor antagonist before CBD’s effect was evaluated. An amount of ≥30 µM CBD alone exerted significant anticonvulsant effects while 10 µM CBD did not. However, 10 µM CBD combined with low-dose Δ9-THC (20:3 ratio) displayed significantly greater anticonvulsant effects than either phytocannabinoid alone. Furthermore, blocking 5-HT1A receptors before CBD application significantly abolished CBD’s effects. Thus, our results demonstrate the efficacy of low-dose CBD and Δ9-THC combined and that CBD exerts its effects, at least in part, through 5-HT1A receptors. These results could address drug-resistance while providing insight into CBD’s mechanism of action, laying the groundwork for further testing of cannabinoids as anticonvulsants.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».