A fast, reliable and sample-sparing method to identify fibre types of single muscle fibres
Notice bibliographique
Résumé
Many skeletal muscle proteins are present in a cell-specific or fibre-type dependent manner. Stimuli such as exercise, aging, and disease have been reported to result in fibre-specific responses in protein abundances. Thus, fibre-type-specific determination of the content of specific proteins provides enhanced mechanistic understanding of muscle physiology and biochemistry compared with typically performed whole-muscle homogenate analyses. This analysis, however, is laborious and typically not performed. We present a novel dot blotting method for easy and rapid determination of skeletal muscle fibre type based on myosin heavy chain (MHC) isoform presence. Requiring only small amounts of starting muscle tissue (i.e., 2-10 mg wet weight), muscle fibre type is determined in one-tenth of a 1-3-mm fibre segment, with the remainder of each segment pooled with fibre segments of the same type (I or II) for subsequent protein quantification by western blotting. This method, which we validated using standard western blotting, is much simpler and cheaper than previous methods and is adaptable for laboratories routinely performing biochemical analyses. Use of dot blotting for fibre typing will facilitate investigations of fibre-specific responses to diverse stimuli, which will advance our understanding of skeletal muscle physiology and biochemistry.
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 | 0,001 | 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 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 ».