MétaCan
Menu
Retour à la cohorte
Enregistrement W2805269235 · doi:10.1249/01.mss.0000536689.84216.02

Mathematical Modeling of Skeletal Muscle Focal Adhesion Kinase Signaling in Response to Contraction

2018· article· en· W2805269235 sur OpenAlexaff
Sida Zhao, David C. Clarke

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFocal adhesionContraction (grammar)Skeletal muscleMuscle contractionPTK2KinaseCell biologyChemistrySignal transductionBiologyAnatomyProtein kinase AEndocrinologyMitogen-activated protein kinase kinase

Résumé

récupéré en direct d'OpenAlex

Force is a stimulus of resistance exercise (RE) that prompts adaptations to muscle size. Force acts at the molecular level on mechanotransducers such as focal adhesion kinase (FAK), which is a tyrosine kinase that undergoes a conformational change in response to force and subsequently activates a signaling cascade that controls the rate of protein synthesis. The dynamics by which FAK signaling transduces mechanical forces into chemical signals to induce hypertrophy are unclear. PURPOSE: The purpose of this study was to develop and analyze a mathematical model of skeletal-muscle FAK signaling in response to contractions. METHODS: The model was expressed as a system of ordinary differential equations incorporating signaling proteins involved in the control of protein translation (the FAK/ERK1/2/TSC2 axis). Intracellular biochemical reactions were represented by mass-action or Michaelis-Menten kinetics. We constructed the model by amalgamating a published model of FAK signaling [Zhou et al. (2015) PLoS Comput Biol] and ERK1/2 signaling [Hatakeyama et al. (2003) Biochem J]. We calibrated the kinetic parameters of the Zhou et al. and Hatakeyama et al. models to reflect skeletal muscle cells. RESULTS: Our model outputs qualitatively agreed with published time-course data for FAK, ERK1/2, and TSC2 following the simulation of muscle force contraction profiles. Specifically, we simulated thirty contraction cycles featuring 15-pN contractions and 3 sec per contraction followed by 7 sec of rest [Ato et al. (2016) Physiol Rep], which led to increased ERK1/2 signaling lasting ~3.5 hrs. Parameter sensitivity analysis determined that the model was most sensitive to parameters that described the force-induced rate of conformational change for FAK. We also simulated various force inputs for the contraction protocol described above and observed that ERK1/2 signaling was responsive to forces between 8-15 pN, achieving a plateau for higher forces. CONCLUSION: Our model provides a working quantitative hypothesis of the dynamics of protein translational control in skeletal muscle induced by mechanical factors. Going forward we will use the model to study the effects that different RE variables (repetitions, sets, loads, rest, etc.) have on FAK signaling dynamics by simulating different contraction profiles.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,291
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetCellular Mechanics and InteractionsTravaux en français237 207