MétaCan
Menu
Retour à la cohorte
Enregistrement W4409162583 · doi:10.2218/gtopdb/f13/2025.1

Cannabinoid receptors in GtoPdb v.2025.1

2025· article· en· W4409162583 sur OpenAlexaff
Mary E. Abood, Christian C. Felder, Peter J. Greasley, Miles Herkenham, A­llyn C. Howlett, George Kunos, Ken Mackie, Raphael Mechoulam, Roger G. Pertwee, Maurice R. Elphick, Vincenzo Di Marzo, S P H Alexander, Francis Barth, Tom I. Bonner, Heather B. Bradshaw, Guy A. Cabral, Pierre Casellas, Ben Cravatt, William A. Devane, Ruth A. Ross

Notice bibliographique

RevueIUPHAR/BPS Guide to Pharmacology CITE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCannabinoid receptorReceptorCannabinoidNeuroscienceMedicinePsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cannabinoid receptors (nomenclature as agreed by the NC-IUPHAR Subcommittee on Cannabinoid Receptors [127]) are activated by endogenous ligands that include N-arachidonoylethanolamine (anandamide), N-homo-γ-linolenoylethanolamine, N-docosatetra-7,10,13,16-enoylethanolamine and 2-arachidonoylglycerol. Potency determinations of endogenous agonists at these receptors are complicated by the possibility of differential susceptibility of endogenous ligands to enzymatic conversion [5].There are currently three licenced cannabinoid medicines each of which contains a compound that can activate CB1 and CB2 receptors [119]. Two of these medicines were developed to suppress nausea and vomiting produced by chemotherapy. These are nabilone (Cesamet®), a synthetic CB1/CB2 receptor agonist, and synthetic Δ9-tetrahydrocannabinol (Marinol®; dronabinol), which can also be used as an appetite stimulant. The third medicine, Sativex®, contains mainly Δ9-tetrahydrocannabinol and cannabidiol, both extracted from cannabis, and is used to treat multiple sclerosis and cancer pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,564

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1690,197

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,390
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIUPHAR/BPS Guide to Pharmacology CITEMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207