Phosphoproteomic profiling of skeletal muscle twitch torque potentiation in ovarian hormone deficient female mice
Notice bibliographique
Résumé
Skeletal muscle makes up ~40% of total body mass in a healthy adult. Muscle strength begins to decline with age. In females, preclinical and clinical studies have shown that reduction in estrogen reduces muscle force (i.e., strength). Previously, we showed the skeletal muscle phosphoproteome in a basal, non‐contracting state was remodeled in estrogen‐deficient females. Therefore, we questioned how estrogen deficiency would impact the skeletal muscle phosphoproteome after force generation. We performed two label‐free quantification phosphoproteomic analyses of the tibialis anterior muscle in ovariectomized (Ovx/Sham) and ovarian senescent (Old/Young) female mice after in vivo post‐tetanic potentiation protocol. We identified 25 and 60 differentially regulated phosphoproteins (p‐value<0.05 and ≥1.4‐fold change) in Ovx/Sham and Old/Young mice, respectively. Comparative analysis using Ingenuity Pathway Analysis’s activation Z‐score found similar patterns of predicted inhibition and activation of canonical pathways, such as inhibition of calcium signaling and activation of 14‐3‐3‐mediated signaling in both datasets. Likewise, parallel patterns in functional analysis were found relating to muscle contraction, fibrogenesis, etc. Overall, our findings suggest that the similarities identified in both datasets could elucidate the molecular characteristics of muscle proteins that might contribute to decrements in muscle function observed in Ovx and Old females due to the loss of estrogen.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».