Skeletal muscle apoptotic response to physical activity: potential mechanisms for protection
Notice bibliographique
Résumé
Apoptosis is a highly conserved type of cell death that plays a critical role in tissue homeostasis and disease-associated processes. Skeletal muscle is unique with respect to apoptotic processes, given its multinucleated morphology and its apoptosis-associated differences related to muscle and (or) fiber type as well as mitochondrial content and (or) subtype. Elevated apoptotic signaling has been reported in skeletal muscle during aging, stress-induced states, and disease; a phenomenon that plays a role in muscle dysfunction, degradation, and atrophy. Exercise is a strong physiological stimulus that can influence a number of extracellular and intracellular signaling pathways, which may directly or indirectly influence apoptotic processes in skeletal muscle. In general, acute strenuous and eccentric exercise are associated with a proapoptotic phenotype and increased DNA fragmentation (a hallmark of apoptosis), whereas regular exercise training or activity is associated with an antiapoptotic environment and reduced DNA fragmentation in skeletal muscle. Interestingly, the protective effect of regular activity on skeletal muscle apoptotic processes has been observed in healthy, aged, stress-induced, and diseased rodent models. Several mechanisms for this protective response have been proposed, including altered anti- and proapoptotic protein expression, increased mitochondrial biogenesis and improved mitochondrial function, and reduced reactive oxygen species generation and (or) enhanced antioxidant status. Given the current literature, we propose that regular physical activity may represent an effective strategy to decrease apoptotic signaling, and possibly muscle wasting and dysfunction, during aging and disease.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».