Muscles in Winter: The Epigenetics of Metabolic Arrest
Notice bibliographique
Résumé
The winter months are challenging for many animal species, which often enter a state of dormancy or hypometabolism to "wait out" the cold weather, food scarcity, reduced daylight, and restricted mobility that can characterize the season. To survive, many species use metabolic rate depression (MRD) to suppress nonessential metabolic processes, conserving energy and limiting tissue atrophy particularly of skeletal and cardiac muscles. Mammalian hibernation is the best recognized example of winter MRD, but some turtle species spend the winter unable to breathe air and use MRD to survive with little or no oxygen (hypoxia/anoxia), and various frogs endure the freezing of about two-thirds of their total body water as extracellular ice. These winter survival strategies are highly effective, but create physiological and metabolic challenges that require specific biochemical adaptive strategies. Gene-related processes as well as epigenetic processes can lower the risk of atrophy during prolonged inactivity and limited nutrient stores, and DNA modifications, mRNA storage, and microRNA action are enacted to maintain and preserve muscle. This review article focuses on epigenetic controls on muscle metabolism that regulate MRD to avoid muscle atrophy and support winter survival in model species of hibernating mammals, anoxia-tolerant turtles and freeze-tolerant frogs. Such research may lead to human applications including muscle-wasting disorders such as sarcopenia, or other conditions of limited mobility.
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) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».