MétaCan
Menu
Retour à la cohorte
Enregistrement W2115538617 · doi:10.1139/h09-010

Changes in muscle mass with mechanical load: possible cellular mechanismsThis paper is one of a selection of papers published in this Special Issue, entitled 14th International Biochemistry of Exercise Conference – Muscles as Molecular and Metabolic Machines, and has undergone the Journal’s usual peer review process.

2009· review· en· W2115538617 sur OpenAlexvenueno aff
Espen E. Spangenburg

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2009
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institutes of Health
Mots-clésPI3K/AKT/mTOR pathwayProtein kinase BSkeletal muscleMechanism (biology)Signal transductionMuscle hypertrophyCell biologyBiologyChemistryEndocrinology

Résumé

récupéré en direct d'OpenAlex

Understanding the mechanisms that regulate skeletal muscle mass has remained a focus of numerous researchers for many years. Recent investigations have begun to elucidate cellular signaling mechanisms that regulate skeletal muscle hypertrophy, with significant effort being focused on the Akt/mammalian target of rapamycin (mTOR) signaling pathway. The Akt/mTOR pathway plays a major role in regulating the initiation of protein synthesis after the onset of mechanical loading of skeletal muscle. Although a number of downstream substrates for Akt/mTOR have been elucidated, very little is known about the upstream mechanisms that mechanical load employs to activate the Akt/mTOR signaling pathway. Thus, the purpose of this review is to discuss potential mechanisms that may contribute to the activation of the Akt/mTOR signaling mechanism in mechanically loaded skeletal muscle.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,013
Tête enseignante GPT0,260
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations57
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetMuscle Physiology and DisordersTravaux en français237 207