Phosphoproteomic analysis identifies differentially expressed phosphorylation sites that affect muscle fiber type in pigs
Notice bibliographique
Résumé
Skeletal muscle of livestock is composed of both fast- and slow-twitch muscle fibers, which are key factors in their meat quality. However, the role of protein phosphorylation in muscle fiber type is not completely understood. Here, a fast-twitch (biceps femoris, BF) and slow-twitch (soleus, SOL) muscle tissue sample was collected from three male offspring of Duroc and Meishan pigs. We demonstrate that the meat quality of SOL muscle is significantly better than that of BF muscle. We further used phosphoproteomic profiling of BF and SOL muscles to identify differences between these muscle types. A total of 2,327 phosphorylation sites from 770 phosphoproteins were identified. Among these sites, 287 differentially expressed phosphorylation sites (DEPSs) were identified between BF and SOL. GO and KEGG enrichment analysis of proteins containing DEPSs showed that these phosphorylated proteins were enriched in the glycolytic process GO term and the AMPK signaling pathway. A protein-protein interaction (PPI) analysis reveals that these phosphorylated proteins interact with each other to regulate the transformation of muscle fiber type. These analyses reveal that protein phosphorylation modifications are involved in porcine skeletal muscle fiber type transformation. This study provides new insights into the molecular mechanisms by which protein phosphorylation regulates muscle fiber type transformation and meat quality in pigs.
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 | 0,001 |
| 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) | 0,002 | 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 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 ».