Récepteurs Mu aux opioïdes dans l'habénula : récompense et/ou aversion dans l'addiction
Notice bibliographique
Résumé
Les récepteurs mu aux opioïdes (MORs) jouent un rôle central dans l’addiction et ce majoritairement via le contrôle qu’ils exercent sur les phénomènes de récompense. Les effets des MORs sur le système de récompense sont généralement attribués à leur expression dans le circuit mésocorticolimbique. Les MORs sont toutefois exprimés dans d’autres régions du cerveau, notamment dans une petite structure cérébrale épithalamique qui exprime la plus forte densité de MORs : l’habénula médiane (MHb). Le rôle de cette population spécifique de récepteurs n’a jamais été exploré, malgré l’implication fortement suggérée dans la littérature de l’habénula dans l’addiction et les processus de récompense/aversion sous-jacents. Nous avons donc généré un modèle de souris knockout conditionnel chez lesquelles nous supprimons les MORs uniquement dans l’habénula et nous les avons soumis à des tests comportementaux dans le but d’évaluer les fonctions de ces récepteurs et leur impact sur le comportement avec un focus sur les processus aversifs, cognitifs et récompensant. Nos résultats révèlent que les récepteurs mu que nous supprimons dans l’habénula limitent l’aversion somatique et affective mais ne modulent ni les réponses locomotrices, analgésiques et de récompense à la morphine, ni les fonctions cognitives que nous avons testées. Nous identifions donc pour la première fois une population de MORs dans l’habénula qui freinent l’aversion et nous suggérons par là-même que les récepteurs mu de l’habénula pourraient être cruciaux dans le stage «sevrage aversif» des cycles d’addiction.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 0,001 |
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 ».