Etienne Sibille: Investigating the cellular and molecular bases of depression and aging for innovative therapeutics
Notice bibliographique
Résumé
Etienne Sibille, a pioneering figure in neuropsychiatric research, has yet to follow conventional paths. From his early days as a photojournalist editor in New York to becoming one of neuroscience's most innovative voices, his journey reflects the same creative thinking that drives his groundbreaking research at the University of Toronto. As a Professor of Psychiatry, Pharmacology & Toxicology, he brings a fresh perspective to understanding how our brains age and why we get depressed. At the Center for Addiction and Mental Health (CAMH), where he directs the Neurobiology of Depression and Aging research program, his team is turning fascinating discoveries about brain chemistry into potential new treatments. Building on his influential work at Columbia University and the University of Pittsburgh, Sibille has challenged traditional views of brain disorders, particularly through his insights into the GABAergic system and aging. While serving as CAMH's Campbell Chair (2014–2024) and Deputy Director of the Campbell Institute (2017–2020), he has pushed the boundaries between basic research and real-world treatments, recently diving into biopharma development to help bridge this gap. In this Genomic Press Interview, he shares the winding road that led him from behind a camera lens to the forefront of psychiatric research, offering a candid look at what drives his passion for unraveling the brain's mysteries.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».