A single bout of heat stress treatment increases Nrf2 and its target genes in mouse skeletal muscle
Notice bibliographique
Résumé
In recent years, we have reported that heat stress induces various skeletal muscle adaptations (e.g. mitochondria, autophagy, unfolded protein response). In this study, we explored further possibilities of muscle adaptations by heat stress treatment using transcriptome approach and subsequent bioinformatics analysis. Immediately after treatment and three hours after a single bout of heat stress treatment (exposing mouse into a hot environment chamber; 40°C, 30 min), gastrocnemius muscles were collected and then examined changes in over 39,000 genes expression using Affimetrix microarray GeneChip. Consequently, we analyzed with bioinformatics algorithms TFactS and BioCarta to predict activated transcriptional factors and activated pathways, respectively. These computational analyses based on transcriptome data indicated that heat stress activates Nrf2 (Nfe2l2), a master transcriptional factor of antioxidant response, in skeletal muscle (TFactS: P<0.05; BioCarta: Fold Enrichment=7.2, P<0.05). We further confirmed by qPCR that heat stress increased Nrf2 (+39.4%, P<0.05) and its target genes such as Cat (+30.9%, P<0.05), Hmox1 (+182.6%, P<0.05), Gclc (+53.8%, P<0.05), Gclm (+32.1%, P<0.05), Gpx1 (+23.7%, P=0.07), Mt1a (+251.6%, P<0.05) and Sod1 (+27.8%, P<0.05) at 3h after treatment. Notably, there were non‐detectable changes in oxidative stress marker (4HNE‐conjugated protein) and gene expression of Nrf2‐independently inducible antioxidant enzyme (Sod2) at both immediately post‐treatment and 3h after treatment. Our observations suggest that the physiological significance of Nrf2 activation by heat stress may be other than defending oxidative stress. Support or Funding Information This study was supported by Grant‐in‐Aid for JSPS Research Fellow.
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 ».