Regulation of δ-Opioid Receptor Trafficking via μ-Opioid Receptor Stimulation: Evidence from μ-Opioid Receptor Knock-Out Mice
Notice bibliographique
Résumé
We recently demonstrated that prolonged treatment with morphine increases the antinociceptive potency of the δ-opioid receptor (δOR) agonist deltorphin and promotes cell surface targeting of δORs in neurons of the dorsal horn of the rat spinal cord (Cahill et al., 2001b). In the present study we examined whether these effects were mediated selectively via μOR. Using the same intermittent treatment regimen as for morphine, we found that methadone and etorphine, but not fentanyl, enhanced [D-Ala2]-deltorphin-mediated antinociception. However, continuous delivery of fentanyl for 48 hr resulted in augmented δOR-mediated antinociception when compared with saline-infused animals. Time course studies confirmed that a 48 hr treatment with morphine was necessary for the establishment of enhanced δOR-mediated antinociception. The observed increases in δOR agonist potency and δOR plasma membrane density were reversed fully 48 hr after discontinuation of morphine injections. Wild-type C57BL/6 mice pretreated with morphine for 48 hr similarly displayed enhanced δOR-mediated antinociception in a tonic pain paradigm. Accordingly, the percentage of plasma membrane-associated δOR in the dorsal horn of the spinal cord, as assessed by immunogold electron microscopy, increased from 6.6% in naive to 12.4% in morphine-treated mice. In contrast, morphine treatment of δOR gene knock-out (KO) mice did not produce any change in δOR plasma membrane density. These results demonstrate that selective activation of μOR is critical for morphine-induced targeting of δOR to neuronal membranes, but not for basal targeting of this receptor to the cell surface.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».