MétaCan
Menu
Retour à la cohorte
Enregistrement W2105555168 · doi:10.1155/2010/937123

Regulation of PPAR<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"><mml:mi>γ</mml:mi></mml:math>Coactivator-1<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"><mml:mi>α</mml:mi></mml:math>Function and Expression in Muscle: Effect of Exercise

2010· article· en· W2105555168 sur OpenAlexafffund
Giulia Uguccioni, Donna M. D’Souza, David A. Hood

Notice bibliographique

RevuePPAR Research · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAlgorithmMitochondrial biogenesisCoactivatorMachine learningArtificial intelligenceBioinformaticsComputer scienceBiologyFunction (biology)Transcription factorGeneGenetics

Résumé

récupéré en direct d'OpenAlex

PPARγ coactivator-1α (PGC-1α) is considered to be a major regulator of mitochondrial biogenesis. Though first discovered in brown adipose tissue, this coactivator has emerged as a coordinator of mitochondrial biogenesis in skeletal muscle via enhanced transcription of many nuclear genes encoding mitochondrial proteins. Stimuli such as exercise provoke the activation of signalling cascades that lead to the induction of PGC-1α. Posttranslational modifications also regulate the function of PGC-1α, with a multitude of upstream molecules targeting the protein to modify its activity and/or expression. Previous research has established a positive correlation between resistance to fatigue and skeletal muscle mitochondrial content. Recently, studies have begun to elucidate the specific role of PGC-1α in exercise-related skeletal muscle adaptations, with several studies identifying it as a dominant regulator of organelle synthesis. This paper will highlight the function, regulation, and expression of PGC-1α, as well as the role of the coactivator during exercise adaptations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,290
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePPAR ResearchMême sujetAdipose Tissue and MetabolismTravaux en français237 207