Regulation of Skeletal Muscle Plasticity by Protein Arginine Methyltransferases and Their Potential Roles in Neuromuscular Disorders
Notice bibliographique
Résumé
Protein arginine methyltransferases (PRMTs) are a family of enzymes that catalyze the methylation of arginine residues on target proteins, thereby mediating a diverse set of intracellular functions that are indispensable for survival. Indeed, full-body knockouts of specific PRMTs are lethal and PRMT dysregulation has been implicated in the most prevalent chronic disorders, such as cancers and cardiovascular disease (CVD). PRMTs are now emerging as important mediators of skeletal muscle phenotype and plasticity. Since their first description in muscle in 2002, a number of studies employing wide varieties of experimental models support the hypothesis that PRMTs regulate multiple aspects of skeletal muscle biology, including development and regeneration, glucose metabolism, as well as oxidative metabolism. Furthermore, investigations in non-muscle cell types strongly suggest that proteins, such as peroxisome proliferator-activated receptor-γ coactivator-1α, E2F transcription factor 1, receptor interacting protein 140, and the tumor suppressor protein p53, are putative downstream targets of PRMTs that regulate muscle phenotype determination and remodeling. Recent studies demonstrating that PRMT function is dysregulated in Duchenne muscular dystrophy (DMD), spinal muscular atrophy (SMA), and amyotrophic lateral sclerosis (ALS) suggests that altering PRMT expression and/or activity may have therapeutic value for neuromuscular disorders (NMDs). This review summarizes our understanding of PRMT biology in skeletal muscle, and identifies uncharted areas that warrant further investigation in this rapidly expanding field of research.
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) | 0,001 | 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 | 0,001 | 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 ».