MétaCan
Menu
← Retour à la cohorte
Enregistrement W4225420248 · doi:10.1096/fasebj.2022.36.s1.r5091

The Metabolomic Pathways of the Senescence‐Associated Secretory Phenotype in C2C12 Myoblasts

2022· article· en· W4225420248 sur OpenAlexafffund
Michael Kamal, Meera Shanmuganathan, Sophie Joanisse, Philip Britz‐McKibbin, Gianni Parise

Notice bibliographique

RevueThe FASEB Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSenescenceMyocyteBiologyMetabolomicsC2C12DNA damageCell biologyTranscriptomeBiochemistryMyogenesisBioinformaticsDNAGene expression

Résumé

récupéré en direct d'OpenAlex

Cellular senescence is considered a hallmark of aging that often occurs in tissues and cells in response to DNA damage. Most healthy cells become senescent after a fixed number of divisions or irreparable genomic damage, often because of external conditions such as circulating factors that are released by adjacent senescent cells. These secreted factors, known as the senescence‐associated secretory phenotype (SASP), are capable of in vivo reprogramming of otherwise healthy cells, ultimately inducing senescence. The involvement of cellular senescence in a variety of aging‐related diseases has been thoroughly examined, however the role of cellular senescence and the SASP in aging muscle remains understudied. Therefore, the objective of this study was to examine the role of metabolites as potential components of the SASP through an easily reproducible model of senescence in skeletal muscle myoblasts. C2C12 myoblasts were treated with an antitumour antibiotic, bleomycin, to cause DNA damage‐induced senescence, or with a vehicle control. Cells and associated media were collected 24 hours after treatment for metabolomic profiling using capillary‐electrophoresis – mass spectrometry (CE‐MS). Samples were compared to untreated myoblasts or fresh growth media and normalized to total cell count and protein content prior to analysis. Pathway analysis using the KEGG database revealed a substantial impact on amino acid metabolism within senescent cells, specifically phenylalanine and histidine metabolism. The media associated with senescent cells had a similar impact on amino acid metabolism, but also showed a significant impact on several polyunsaturated fatty acids, including arachidonic acid and docosahexaenoic acid. Notably, trimethylamine N‐oxide (TMAO), a metabolite previously shown to promote endothelial senescence/dysfunction and neuroinflammation, was detected at significantly higher levels in the media surrounding senescent myoblasts relative to vehicle‐treated controls (fold change = 2.878, p < 0.05). These data suggest that DNA damage‐induced senescence significantly impacts the metabolome of skeletal muscle cells. Future work will aim to evaluate the targeted impact of candidate metabolites as potential senescence inducers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetTelomeres, Telomerase, and Senescence→Travaux en français237 207→