Comparative Proteomic Analysis of Glycolytic and Oxidative Muscle in Pigs
Notice bibliographique
Résumé
The quality of meat is highly correlated with muscle fiber type. However, the mechanisms via which proteins regulate muscle fiber types in pigs are not entirely understood. In the current study, we have performed proteomic profiling of fast/glycolytic biceps femoris (BF) and slow/oxidative soleus (SOL) muscles and identified several candidate differential proteins among these. We performed proteomic analyses based on tandem mass tags (TMTs) and identified a total of 26,228 peptides corresponding to 2667 proteins among the BF and SOL muscle samples. Among these, we found 204 differentially expressed proteins (DEPs) between BF and SOL muscle, with 56 up-regulated and 148 down-regulated DEPs in SOL muscle samples. KEGG and GO enrichment analyses of the DEPs revealed that the DEPs are involved in some GO terms (e.g., actin cytoskeleton, myosin complex, and cytoskeletal parts) and signaling pathways (PI3K-Akt and NF-kappa B signaling pathways) that influence muscle fiber type. A regulatory network of protein-protein interaction (PPI) between these DEPs that regulates muscle fiber types was constructed, which demonstrates how three down-regulated DEPs, including PFKM, GAPDH, and PKM, interact with other proteins to potentially control the glycolytic process. This study offers a new understanding of the molecular mechanisms in glycolytic and oxidative muscles as well as a novel approach for enhancing meat quality by transforming the type of muscle fibers 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 | 0,000 |
| 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 ».