HIGH ESTROGEN EXPOSURE IN VIVO REDUCES VOLUNTARY WHEEL RUNNING IN YOUNG AND OLDER FEMALE MICE
Notice bibliographique
Résumé
Physiological levels of estrogen stimulate locomotor activity in running wheels by female rats and, spontaneous wheel running (WR) increases with age in female rodents. There is little information about the interactive effects of age and estrogen exposure on WR behaviors. We investigated WR behaviors of young and older female mice following in vivo exposure to different concentrations of estrogen (E: 17β-estradiol). Anestrus (basal serum E: 3 ± 1pg/ml) young (7–8 wk of age, n = 39) and older (50–52 wk of age, n = 39) female B6D2F1 mice were weighed, matched by weight and randomized, separately by age, to receive E pellets sc: high (H: 12μg/d), low (L: 3μg/d) and placebo (P). Females were housed individually, undisturbed, and without exposure to males, for a total of 28 days(d). One wk after pellet implantation, mice were given free access to in-cage running wheels (diameter: 22.8cm) linked to a computerized data collection system, with WR monitored during each 12h dark photoperiod for 21d. There were no significant differences in initial body weights, by E pellet group, although H and L mice were significantly heavier than P mice at study termination. There was a significant main effect of E but not age on cumulative WR volume during wk 1 ([E exposure: p < 0.001] mean ± SE H: 24.6 ± 1.6km, L: 33.2 ± 1.0km, P: 39.0 ± 1.5km). During wk 2, both age and E exposure were significant ([age p < 0.001] older: 44.3 ± 2.2km and young: 35.6 ± 2.4km and [E exposure p < 0.001] H: 28.9 ± 2.3km, L: 39.4 ± 2.1km, P: 51.6 ± 2.6km). WR was also higher in P mice during wk 3 (P>L = H)(p < 0.001) and older mice had marginally greater WR than young mice (p < 0.005). Final blood E levels differed across hormone exposure, but not age, groups (p < 0.001; H:323 ± 28pg/ml; L:40 ± 4pg/ml; P:8 ± 2pg/ml). The results demonstrate that high estrogen in vivo is associated with reduced spontaneous WR activity in mice and that the magnitude, but not direction, of this effect is influenced by age. Supported by NSERC of Canada.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».