Impact of Physical Activity and Exercise on the Epigenome in Skeletal Muscle and Effects on Systemic Metabolism
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exercise and physical activity induces physiological responses in organisms, and adaptations in skeletal muscle, which is beneficial for maintaining health and preventing and/or treating most chronic diseases. These adaptations are mainly instigated by transcriptional responses that ensue in reaction to each individual exercise, either resistance or endurance. Consequently, changes in key metabolic, regulatory, and myogenic genes in skeletal muscle occur as both an early and late response to exercise, and these epigenetic modifications, which are influenced by environmental and genetic factors, trigger those alterations in the transcriptional responses. DNA methylation and histone modifications are the most significant epigenetic changes described in gene transcription, linked to the skeletal muscle transcriptional response to exercise, and mediating the exercise adaptations. Nevertheless, other alterations in the epigenetics markers, such as epitranscriptomics, modifications mediated by miRNAs, and lactylation as a novel epigenetic modification, are emerging as key events for gene transcription. Here, we provide an overview and update of the impact of exercise on epigenetic modifications, including the well-described DNA methylations and histone modifications, and the emerging modifications in the skeletal muscle. In addition, we describe the effects of exercise on epigenetic markers in other metabolic tissues; also, we provide information about how systemic metabolism or its metabolites influence epigenetic modifications in the skeletal muscle.
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.
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) | 0,001 | 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 découle