MétaCan
Menu
Retour à la cohorte
Enregistrement W2622509013 · doi:10.1242/jcs.202812

Smooth muscle function and myosin polymerization

2017· article· en· W2622509013 sur OpenAlexafffund
Pasquale Chitano, Lu Wang, Gabrielle Y. Y. Tin, Mitsuo Ikebe, Peter D. Paré, Chun Y. Seow

Notice bibliographique

RevueJournal of Cell Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiomyopathy and Myosin Studies
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMyosinBiologyBiophysicsContractilityIsometric exerciseMuscle contractionActinMeromyosinProtein filamentContraction (grammar)Myosin headPhosphorylationMyofilamentMyosin light-chain kinaseAnatomyCell biologyBiochemistryEndocrinology

Résumé

récupéré en direct d'OpenAlex

Smooth muscle is able to function over a much broader length range than striated muscle. The ability to maintain contractility after a large length change is thought to be due to an adaptive process involving restructuring of the contractile apparatus to maximize overlap between the contractile filaments. The molecular mechanism for the length-adaptive behavior is largely unknown. In smooth muscle adapted to different lengths we quantified myosin monomers, basal and activation-induced myosin light chain (MLC) phosphorylation, shortening velocity, power output and active force. The muscle was able to generate a constant maximal force over a two fold length range when it was allowed to go through isometric contraction/relaxation cycles after each length change (length adaptation). In the relaxed state, myosin monomer concentration and basal MLC phosphorylation decreased linearly, while in the activated state activation-induced MLC phosphorylation and shortening velocity/power output increased linearly with muscle length. The results suggest that recruitment of myosin monomers and oligomers into the actin filament lattice (where they form force-generating filaments) occurs during muscle adaptation to longer length, with the opposite occurring during adaptation to shorter length.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,269
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cell ScienceMême sujetCardiomyopathy and Myosin StudiesTravaux en français237 207