Neurobiology of psilocybin: a comprehensive overview and comparative analysis of experimental models
Notice bibliographique
Résumé
Psilocybin, a compound found in Psilocybe mushrooms, is emerging as a promising treatment for neurodegenerative and psychiatric disorders, including major depressive disorder. Its potential therapeutic effects stem from promoting neuroprotection, neurogenesis, and neuroplasticity, key factors in brain health. Psilocybin could help combat mild neurodegeneration by increasing synaptic density and supporting neuronal growth. With low risk for addiction and adverse effects, it presents a safe option for long-term use, setting it apart from traditional treatments. Despite their relatively simpler neuronal networks, studies using animal models, such as Drosophila and fish, have provided essential insights on the efficacy and mechanism of action of psilocybin. These models provide foundational information that guides more focused investigations, facilitating high-throughput screening, enabling researchers to quickly explore the compound’s effects on neural development, behavior, and underlying genetic pathways. While mammalian models are indispensable for comprehensive studies on psilocybin’s pharmacokinetics and its nuanced interactions within the complex nervous systems, small non-mammalian models remain valuable for identifying promising targets and mechanisms at early research stages. Together, these animal systems offer a complementary approach to drive rapid hypothesis generation to refine our understanding of psilocybin as a candidate for not only halting but potentially reversing neurodegenerative processes. This integrative strategy highlights the transformative potential of psilocybin in addressing neurodegenerative disorders, leveraging both small and mammalian models to achieve translational research success.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».