Role of PGC-1α during acute exercise-induced autophagy and mitophagy in skeletal muscle
Notice bibliographique
Résumé
Regular exercise leads to systemic metabolic benefits, which require remodeling of energy resources in skeletal muscle. During acute exercise, the increase in energy demands initiate mitochondrial biogenesis, orchestrated by the transcriptional coactivator peroxisome proliferator-activated receptor-γ coactivator-1α (PGC-1α). Much less is known about the degradation of mitochondria following exercise, although new evidence implicates a cellular recycling mechanism, autophagy/mitophagy, in exercise-induced adaptations. How mitophagy is activated and what role PGC-1α plays in this process during exercise have yet to be evaluated. Thus we investigated autophagy/mitophagy in muscle immediately following an acute bout of exercise or 90 min following exercise in wild-type (WT) and PGC-1α knockout (KO) animals. Deletion of PGC-1α resulted in a 40% decrease in mitochondrial content, as well as a 25% decline in running performance, which was accompanied by severe acidosis in KO animals, indicating metabolic distress. Exercise induced significant increases in gene transcripts of various mitochondrial (e.g., cytochrome oxidase subunit IV and mitochondrial transcription factor A) and autophagy-related (e.g., p62 and light chain 3) genes in WT, but not KO, animals. Exercise also resulted in enhanced targeting of mitochondria for mitophagy, as well as increased autophagy and mitophagy flux, in WT animals. This effect was attenuated in the absence of PGC-1α. We also identified Niemann-Pick C1, a transmembrane protein involved in lysosomal lipid trafficking, as a target of PGC-1α that is induced with exercise. These results suggest that mitochondrial turnover is increased following exercise and that this effect is at least in part coordinated by PGC-1α.
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 | 0,000 | 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 ».