Denervation Causes Fiber Atrophy and Myosin Heavy Chain Co-Expression in Senescent Skeletal Muscle
Notice bibliographique
Résumé
Although denervation has long been implicated in aging muscle, the degree to which it is causes the fiber atrophy seen in aging muscle is unknown. To address this question, we quantified motoneuron soma counts in the lumbar spinal cord using choline acetyl transferase immunhistochemistry and quantified the size of denervated versus innervated muscle fibers in the gastrocnemius muscle using the in situ expression of the denervation-specific sodium channel, Nav₁.₅, in young adult (YA) and senescent (SEN) rats. To gain insights into the mechanisms driving myofiber atrophy, we also examined the myofiber expression of the two primary ubiquitin ligases necessary for muscle atrophy (MAFbx, MuRF1). MN soma number in lumbar spinal cord declined 27% between YA (638±34 MNs×mm⁻¹) and SEN (469±13 MNs×mm⁻¹). Nav₁.₅ positive fibers (1548±70 μm²) were 35% smaller than Nav₁.₅ negative fibers (2367±78 μm²; P<0.05) in SEN muscle, whereas Nav₁.₅ negative fibers in SEN were only 7% smaller than fibers in YA (2553±33 μm²; P<0.05) where no Nav₁.₅ labeling was seen, suggesting denervation is the primary cause of aging myofiber atrophy. Nav₁.₅ positive fibers had higher levels of MAFbx and MuRF1 (P<0.05), consistent with involvement of the proteasome proteolytic pathway in the atrophy of denervated muscle fibers in aging muscle. In summary, our study provides the first quantitative assessment of the contribution of denervation to myofiber atrophy in aging muscle, suggesting it explains the majority of the atrophy we observed. This striking result suggests a renewed focus should be placed on denervation in seeking understanding of the causes of and treatments for aging muscle atrophy.
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) | 0,000 | 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 | 0,000 | 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 ».