Effects of Long-Term Exercise on Age-Related Hearing Loss in Mice
Notice bibliographique
Résumé
Regular physical exercise reduces the risk for obesity, cardiovascular diseases, and disability and is associated with longer lifespan expectancy (Taylor et al., 2004; Pahor et al., 2014; Anton et al., 2015; Arem et al., 2015). In contrast, decreased physical function is associated with hearing loss among older adults (Li et al., 2013; Chen et al., 2015). Here, we investigated the effects of long-term voluntary wheel running (WR) on age-related hearing loss (AHL) in CBA/CaJ mice, a well established model of AHL (Zheng et al., 1999). WR activity peaked at 6 months of age (12,280 m/d) and gradually decreased over time. At 24 months of age, the average WR distance was 3987 m/d. Twenty-four-month-old runners had less cochlear hair cell and spiral ganglion neuron loss and better auditory brainstem response thresholds at the low and middle frequencies compared with age-matched, non-WR controls. Gene ontology (GO) enrichment analysis of inner ear tissues from 6-month-old controls and runners revealed that WR resulted in a marked enrichment for GO gene sets associated with immune response, inflammatory response, vascular function, and apoptosis. In agreement with these results, there was reduced stria vascularis (SV) atrophy and reduced loss of capillaries in the SV of old runners versus old controls. Given that SV holds numerous capillaries that are essential for transporting oxygen and nutrients into the cochlea, our findings suggest that long-term exercise delays the progression of AHL by reducing age-related loss of strial capillaries associated with inflammation. SIGNIFICANCE STATEMENT: Nearly two-thirds of adults aged 70 years or older develop significant age-related hearing loss (AHL), a condition that can lead to social isolation and major communication difficulties. AHL is also associated with decreased physical function among older adults. In the current study, we show that regular exercise slowed AHL and cochlear degeneration significantly in a well established murine model. Our data suggest that regular exercise delays the progression of AHL by reducing age-related loss of strial capillaries associated with inflammation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».