Neuroinflammation in the prefrontal-amygdala-hippocampus network is associated with maladaptive avoidance behaviour
Notice bibliographique
Résumé
Maladaptive avoidance behaviour is often observed in patients suffering from anxiety and trauma- and stressor-related disorders. The prefrontal-amygdala-hippocampus network is implicated in learning and memory consolidation. Neuroinflammation in this circuitry alters network dynamics, resulting in maladaptive avoidance behaviour. The two-way active avoidance test is a well-established translational model for assessing avoidance responses to stressful situations. While some animals learn the task and show adaptive avoidance (AA), others show strong fear responses to the test environment and maladaptive avoidance (MA). Here, we investigated if a distinct neuroinflammation pattern in the prefrontal-amygdala-hippocampus network underlies the behavioural difference observed in these animals. Wistar rats were tested 8 times and categorized as AA or MA based on behaviour. Brain recovery followed for the analysis of neuroinflammatory markers in this network. AA and MA presented distinct patterns of neuroinflammation, with MA showing increased astrocyte, EAAT-2, IL-1β, IL-17 and TNF-ɑ in the amygdala. This neuroinflammatory pattern may underlie these animals' fear response and maladaptive avoidance. Further studies are warranted to determine the specific contributions of each inflammatory factor, as well as the possibility of treating maladaptive avoidance behaviour in patients with psychiatric disorders with anti-inflammatory drugs targeting the amygdala.
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 | 0,000 | 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 ».