Gene expression variability in human skeletal muscle transcriptome responses to acute resistance exercise
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
NEW FINDINGS: What is the central question of this study? Does exercise, independent of random error and within-subject variability, contribute to the variability in gene expression responses to an acute bout of resistance exercise? What is the main finding and its importance? A reanalysis of publicly available microarray data revealed that variability in observed gene expression responses for a subset of genes could be partially attributable to an effect of acute resistance exercise. These finding support the notion that individual responsiveness explains a portion of the variability in observed gene expression responses to acute resistance exercise. ABSTRACT: The purpose of this study was to use publicly available transcriptomic data to determine whether variability in gene expression responses to an acute bout of acute resistance exercise (ARE) can be attributable to an effect of ARE per se. We examined microarray data from a previous study that collected skeletal muscle biopsies before and 24 h after ARE or a no-exercise time-matched control period (CTL). By subtracting the standard deviation in the observed responses to CTL from ARE, we determined that ARE contributed to the variability in the observed gene expression responses for many (∼31,000), but not all, transcripts included on the Affymetrix Human Genome chips. ARE had a large effect on variability in the observed gene expression responses in 1290 genes that was not attributed to any technical/biological variability associated with repeated measurements. Pathway analysis using WebGestalt revealed that several of these 1290 genes are involved in pathways known to regulate skeletal muscle adaptations to chronic resistance training. These results suggest that variability in the observed gene expression responses for a subset of genes could be partially attributable to an effect of ARE.
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.
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 | 0,000 |
| 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 découle