Regulation of Proteins in Human Skeletal Muscle: The Role of Transcription
Notice bibliographique
Résumé
Regular low intensity aerobic exercise (aerobic training) provides effective protection against various metabolic disorders. Here, the roles played by transient transcriptome responses to acute exercise and by changes in baseline gene expression during up-regulation of protein content in human skeletal muscle were investigated after 2 months of aerobic training. Seven untrained males were involved in a 2 month aerobic cycling training program. Mass-spectrometry and RNA sequencing were used to evaluate proteome and transcriptome responses to training and acute exercise. We found that proteins with different functions are regulated differently at the transcriptional level; for example, a training-induced increase in the content of extracellular matrix-related proteins is regulated at the transcriptional level, while an increase in the content of mitochondrial proteins is not. An increase in the skeletal muscle content of several proteins (including mitochondrial proteins) was associated with increased protein stability, which is related to a chaperone-dependent mechanism and/or reduced regulation by proteolysis. These findings increase our understanding of the molecular mechanisms underlying regulation of protein expression in human skeletal muscle subjected to repeated stress (long term aerobic training) and may provide an opportunity to control the expression of specific proteins (e.g., extracellular matrix-related proteins, mitochondrial proteins) through physiological and/or pharmacological approaches.
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) | 0,000 | 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 ».