Skeletal Muscle Erythropoietin Expression Is Responsive to Hypoxia and Exercise
Notice bibliographique
Résumé
PURPOSE: Erythropoietin is responsible for regulating the growth and development of red blood cells. Reports conflict on whether skeletal muscle is able to produce erythropoietin and release it into circulation and if exercise affects this. We set out to determine how erythropoietin is regulated in skeletal muscle and to determine whether skeletal muscle-derived erythropoietin can stimulate erythropoiesis. METHODS: Using an in vitro approach, we exposed proliferating and differentiated skeletal muscle cells to various forms of exercise-induced physiological stimuli and measured erythropoietin gene expression. To understand if skeletal muscle cells were able to stimulate erythropoiesis, independent of other cell types found in skeletal muscle, we used myoblast-conditioned media to treat bone marrow and to measure erythropoiesis through flow cytometry. We also measured erythropoietin expression and hypoxia in mice subjected to an exercise protocol designed to induce skeletal muscle oxygen stress. RESULTS: Hypoxia increased erythropoietin expression in C2C12 myoblasts, myotubes, and primary myoblasts in vitro by 50% to 130%. Bone marrow treated with media conditioned with hypoxic myoblasts for 24 h increased the number of Ter-119-positive cells by 32%. An erythropoietin-neutralizing antibody prevented this increase. Compared with unexercised controls, exhaustive exercise increased skeletal muscle HIF1α levels by 50% and HIF2α levels by 20%. Moreover, exercised skeletal muscle erythropoietin expression was 70% higher. CONCLUSION: These results demonstrate that skeletal muscle produces erythropoietin in a hypoxia and HIF-dependent manner and that hypoxia-treated muscle is capable of stimulating erythropoiesis in vitro.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,002 | 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 ».