Differential regulation of the fiber type-specific gene expression of the sarcoplasmic reticulum calcium-ATPase isoforms induced by exercise training
Notice bibliographique
Résumé
The regulatory role of adenosine monophosphate-activated protein kinase (AMPK)-α2 on sarcoplasmic reticulum calcium-ATPase (SERCA) 1a and SERCA2a in different skeletal muscle fiber types has yet to be elucidated. Sedentary (Sed) or exercise-trained (Ex) wild-type (WT) and AMPKα2-kinase dead (KD) transgenic mice, which overexpress a mutated and inactivated AMPKα2 subunit, were utilized to characterize how genotype or exercise training influenced the regulation of SERCA isoforms in gastrocnemius. As expected, both Sed and Ex KD mice had >40% lower AMPK phosphorylation and 30% lower SERCA1a protein than WT mice (P < 0.05). In contrast, SERCA2a protein was not different among KD and WT mice. Exercise increased SERCA1a and SERCA2a protein content among WT and KD mice, compared with their Sed counterparts. Maximal SERCA activity was lower in KD mice, compared with WT. Total phospholamban protein was higher in KD mice than in WT and lower in Ex compared with Sed mice. Exercise training increased phospholamban Ser(16) phosphorylation in WT mice. Laser capture microdissection and quantitative PCR indicated that SERCA1a mRNA expression among type I fibers was not altered by genotype or exercise, but SERCA2a mRNA was increased 30-fold in WT+Ex, compared with WT+Sed. In contrast, the exercise-stimulated increase for SERCA2a mRNA was blunted in KD mice. Exercise upregulated SERCA1a and SERCA2a mRNA among type II fibers, but was not altered by genotype. Collectively, these data suggest that exercise differentially influences SERCA isoform expression in type I and type II fibers. Additionally, AMPKα2 influences the regulation of SERCA2a mRNA in type I skeletal muscle fibers following exercise training.
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 ».