The NLRP3 inflammasome contributes to sarcopenia and lower muscle glycolytic potential in old mice
Notice bibliographique
Résumé
The mechanisms underpinning decreased skeletal muscle strength and slowing of movement during aging are ill-defined. “Inflammaging,” increased inflammation with advancing age, may contribute to aspects of sarcopenia, but little is known about the participatory immune components. We discovered that aging was associated with increased caspase-1 activity in mouse skeletal muscle. We hypothesized that the caspase-1-containing NLRP3 inflammasome contributes to sarcopenia in mice. Male C57BL/6J wild-type (WT) and NLRP3 −/− mice were aged to 10 (adult) and 24 mo (old). NLRP3 −/− mice were protected from decreased muscle mass (relative to body mass) and decreased size of type IIB and IIA myofibers, which occurred between 10 and 24 mo of age in WT mice. Old NLRP3 −/− mice also had increased relative muscle strength and endurance and were protected from age-related increases in the number of myopathic fibers. We found no evidence of age-related or NLRP3-dependent changes in markers of systemic inflammation. Increased caspase-1 activity was associated with GAPDH proteolysis and reduced GAPDH enzymatic activity in skeletal muscles from old WT mice. Aging did not alter caspase-1 activity, GAPDH proteolysis, or GAPDH activity in skeletal muscles of NLRP3 −/− mice. Our results show that the NLRP3 inflammasome participates in age-related loss of muscle glycolytic potential. Deletion of NLRP3 mitigates both the decline in glycolytic myofiber size and the reduced activity of glycolytic enzymes in muscle during aging. We propose that the etiology of sarcopenia involves direct communication between immune responses and metabolic flux in 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 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 | 0,001 |
| 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 ».