Effects of Small Conductance Ca <sup>2+</sup> ‐Activated Potassium Channel Agonists on SLEs in Varied Epilepsy Models, From Animal Slices to Pharmacoresistant Human Tissue
Notice bibliographique
Résumé
To assess the impact of SK channel agonists on seizure-like events (SLEs) in various seizure models in slices of the temporal cortex obtained from pharmacoresistant patients. SLEs were triggered by applying 4-aminopyridine (100 μM) to slices of the entorhinal cortex taken from both normal and pilocarpine-treated rats. Additionally, SLEs were induced in slices of the temporal cortex obtained from individuals who had undergone epilepsy surgery. In the case of human slices, SLEs were also provoked by increasing potassium levels along with the administration of either 4-AP (100 μM) or bicuculline (50 μM). The activation of SK2/3 channels by the compound CYPPA (n = 8) effectively prevented SLEs in slices from the brains of normal rats, pilocarpine-treated rats (n = 8), and in human cortex slices (n = 9) when SLEs were triggered by 4-AP. In human temporal cortex slices, CYPPA also demonstrated efficacy in preventing SLEs induced by an elevation in potassium concentration combined with bicuculline application (n = 5). SKA-31, exhibited efficacy in slices from normal rats (n = 8), rats treated with pilocarpine (n = 8), and in human slices (n = 7) when SLEs were provoked by 4-AP. However, its effectiveness was limited when applied to human tissue slices exposed to bicuculline and elevated potassium levels. The SK1 channel activator GW-542573X displayed only moderate anticonvulsant effects in the models under investigation. SK2 channels showed the highest effectiveness across the different epilepsy models. Sensitivity to the SK3 channel activator was found to be more pronounced compared to the other two activators studied.
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 | 0,001 |
| 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 ».