Fiber Type and Size as Sources of Variation in Human Single Muscle Fiber Passive Elasticity
Notice bibliographique
Résumé
Studies on single muscle fiber passive material properties often report relatively large variation in elastic modulus (or normalized stiffness), and it is not clear where this variation arises. This study was designed to determine if the stiffness, normalized to both fiber cross-sectional area and length, is inherently different between types 1 and 2 muscle fibers. Vastus lateralis fibers (n = 93), from ten young men, were mechanically tested using a cumulative stretch-relaxation protocol. SDS-PAGE classified fibers as types 1 or 2. While there was a difference in normalized stiffness between fiber types (p = 0.0019), an unexpected inverse relationship was found between fiber diameter and normalized stiffness (r = -0.64; p < 0.001). As fiber type and diameter are not independent, a one-way analysis of covariance (ANCOVA) including fiber diameter as a covariate was run; this eliminated the effect of fiber type on normalized stiffness (p = 0.1935). To further explore the relationship between fiber size and elastic properties, we tested whether stiffness was linearly related to fiber cross-sectional area, as would be expected for a homogenous material. Passive stiffness was not linearly related to fiber area (p < 0.001), which can occur if single muscle fibers are better represented as composite materials. The rule of mixtures for composite materials was used to explore whether the presence of a stiff perimeter-based fiber component could explain the observed results. The model (R2 = 0.38) predicted a perimeter-based normalized stiffness of 8800 ± 2600 kPa/μm, which is within the range of basement membrane moduli reported in the literature.
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 ».