Regulation of hypometabolism: insights into epigenetic controls
Notice bibliographique
Résumé
For many animals, survival of severe environmental stress (e.g. to extremes of heat or cold, drought, oxygen limitation, food deprivation) is aided by entry into a hypometabolic state. Strong depression of metabolic rate, often to only 1-20% of normal resting rate, is a core survival strategy of multiple forms of hypometabolism across the animal kingdom, including hibernation, anaerobiosis, aestivation and freeze tolerance. Global biochemical controls are needed to suppress and reprioritize energy use; one such well-studied control is reversible protein phosphorylation. Recently, we turned our attention to the idea that mechanisms previously associated mainly with epigenetic regulation can also contribute to reversible suppression of gene expression in hypometabolic states. Indeed, situations as diverse as mammalian hibernation and turtle anoxia tolerance show coordinated changes in histone post-translational modifications (acetylation, phosphorylation) and activities of histone deacetylases, consistent with their use as mechanisms for suppressing gene expression during hypometabolism. Other potential mechanisms of gene silencing in hypometabolic states include altered expression of miRNAs that can provide post-transcriptional suppression of mRNA translation and the formation of ribonuclear protein bodies in the nucleus and cytoplasm to allow storage of mRNA transcripts until animals rouse themselves again. Furthermore, mechanisms first identified in epigenetic regulation (e.g. protein acetylation) are now proving to apply to many central metabolic enzymes (e.g. lactate dehydrogenase), suggesting a new layer of regulatory control that can contribute to coordinating the depression of metabolic rate.
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 | 0,000 | 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 ».