Local and systemic transcriptomic responses from acute exercise induced muscle damage of the human knee extensors
Notice bibliographique
Résumé
Skeletal muscle is adaptable to a direct stimulus of exercise-induced muscle damage (EIMD). Local muscle gene networks and systemic circulatory factors respond to EIMD within days, mediating anti-inflammation and cellular proliferation. Here we show in humans that local EIMD of one muscle group is associated with a systemic response of gene networks that regulate muscle structure and cellular development in nonlocal homologous muscle not directly altered by EIMD. In the nondominant knee extensors of seven males, EIMD was induced through voluntary contractions against an electric motor that lengthened muscles. Neuromuscular assessments, vastus lateralis muscle biopsies, and blood draws occurred 2 days prior and 1 and 2 days after the EIMD intervention. From the muscle and blood plasma samples, RNA-Seq measured transcriptome changes of differential expression using bioinformatic analyses. Relative to the time of the EIMD intervention, local muscle that was mechanically damaged had 475 genes differentially expressed, as compared with 33 genes in the nonlocal homologous muscle. Gene and network analysis showed that activity of the local muscle was related to structural maintenance, repair, and energetic processes, whereas gene and network activities of the nonlocal muscle (that was not directly modified by the EIMD) were related to muscle cell development, stress response, and structural maintenance. Altered expression of two novel miRNAs related to the EIMD response supported that systemic factors were active. Together, these results indicate that the expression of genes and gene networks that control muscle contractile structure can be modified in response to nonlocal EIMD in humans.
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 ».