Neuroimmune Regulation of GABAergic Neurons Within the Ventral Tegmental Area During Withdrawal from Chronic Morphine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Opioid dependence is accompanied by neuroplastic changes in reward circuitry leading to a negative affective state contributing to addictive behaviors and risk of relapse. The current study presents a neuroimmune mechanism through which chronic opioids disrupt the ventral tegmental area (VTA) dopaminergic circuitry that contributes to impaired reward behavior. Opioid dependence was induced in rodents by treatment with escalating doses of morphine. Microglial activation was observed in the VTA following spontaneous withdrawal from chronic morphine treatment. Opioid-induced microglial activation resulted in an increase in brain-derived neurotrophic factor (BDNF) expression and a reduction in the expression and function of the K(+)Cl(-) co-transporter KCC2 within VTA GABAergic neurons. Inhibition of microglial activation or interfering with BDNF signaling prevented the loss of Cl(-) extrusion capacity and restored the rewarding effects of cocaine in opioid-dependent animals. Consistent with a microglial-derived BDNF-induced disruption of reward, intra-VTA injection of BDNF or a KCC2 inhibitor resulted in a loss of cocaine-induced place preference in opioid-naïve animals. The loss of the extracellular Cl(-) gradient undermines GABAA-mediated inhibition, and represents a mechanism by which chronic opioid treatments can result in blunted reward circuitry. This study directly implicates microglial-derived BDNF as a negative regulator of reward in opioid-dependent states, identifying new therapeutic targets for opiate addictive behaviors.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle