Remodeling of Arctic char (<i>Salvelinus alpinus</i>) lipidome under a stimulated scenario of Arctic warming
Notice bibliographique
Résumé
Arctic warming associated with global climate change poses a significant threat to populations of wildlife in the Arctic. Since lipids play a vital role in adaptation of organisms to variations in temperature, high-resolution mass-spectrometry-based lipidomics can provide insights into adaptive responses of organisms to a warmer environment in the Arctic and help to illustrate potential novel roles of lipids in the process of thermal adaption. In this study, we studied an ecologically and economically important species-Arctic char (Salvelinus alpinus)-with a detailed multi-tissue analysis of the lipidome in response to chronic shifts in temperature using a validated lipidomics workflow. In addition, dynamic alterations in the hepatic lipidome during the time course of shifts in temperature were also characterized. Our results showed that early life stages of Arctic char were more susceptible to variations in temperature. One-year-old Arctic char responded to chronic increases in temperature with coordinated regulation of lipids, including headgroup-specific remodeling of acyl chains in glycerophospholipids (GP) and extensive alterations in composition of lipids in membranes, such as less lyso-GPs, and more ether-GPs and sphingomyelin. Glycerolipids (e.g., triacylglycerol, TG) also participated in adaptive responses of the lipidome of Arctic char. Eight-week-old Arctic char exhibited rapid adaptive alterations of the hepatic lipidome to stepwise decreases in temperature while showing blunted responses to gradual increases in temperature, implying an inability to adapt rapidly to warmer environments. Three common phosphatidylethanolamines (PEs) (PE 36:6|PE 16:1_20:5, PE 38:7|PE 16:1_22:6, and PE 40:7|PE 18:1_22:6) were finally identified as candidate lipid biomarkers for temperature shifts via machine learning approach. Overall, this work provides additional information to a better understanding of underlying regulatory mechanisms of the lipidome of Arctic organisms in the face of near-future warming.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».