Exercise and mitochondrial mechanisms in patients with sarcopenia
Notice bibliographique
Résumé
Sarcopenia is a severe loss of muscle mass and functional decline during aging that can lead to reduced quality of life, limited patient independence, and increased risk of falls. The causes of sarcopenia include inactivity, oxidant production, reduction of antioxidant defense, disruption of mitochondrial activity, disruption of mitophagy, and change in mitochondrial biogenesis. There is evidence that mitochondrial dysfunction is an important cause of sarcopenia. Oxidative stress and reduction of antioxidant defenses in mitochondria form a vicious cycle that leads to the intensification of mitochondrial separation, suppression of mitochondrial fusion/fission, inhibition of electron transport chain, reduction of ATP production, an increase of mitochondrial DNA damage, and mitochondrial biogenesis disorder. On the other hand, exercise adds to the healthy mitochondrial network by increasing markers of mitochondrial fusion and fission, and transforms defective mitochondria into efficient mitochondria. Sarcopenia also leads to a decrease in mitochondrial dynamics, mitophagy markers, and mitochondrial network efficiency by increasing the level of ROS and apoptosis. In contrast, exercise increases mitochondrial biogenesis by activating genes affected by PGC1-ɑ (such as CaMK, AMPK, MAPKs) and altering cellular calcium, ATP-AMP ratio, and cellular stress. Activation of PGC1-ɑ also regulates transcription factors (such as TFAM, MEFs, and NRFs) and leads to the formation of new mitochondrial networks. Hence, moderate-intensity exercise can be used as a non-invasive treatment for sarcopenia by activating pathways that regulate the mitochondrial network in 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.
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) | 0,001 | 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 | 0,001 | 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 ».