MétaCan
Menu
Retour à la cohorte
Enregistrement W4368360480 · doi:10.1186/s12920-023-01512-z

An observational human study investigating the effect of anabolic androgenic steroid use on the transcriptome of skeletal muscle and whole blood using RNA-Seq

2023· article· en· W4368360480 sur OpenAlexfundno aff
Alexander Kolliari-Turner, Giscard Lima, Guan Wang, Fernanda Rossell Malinsky, Antonia Karanikolou, Gregor Eichhorn, Kumpei Tanisawa, Jonathan Ospina‐Betancurt, Blair Hamilton, Paulette Y. O. Kumi, Jonathan Shurlock, Vasileios Skiadas, Richard Twycross-Lewis, Liam P. Kilduff, Renan Paulo Martin, Garrett I. Ash, Cynthia Potter, Fergus Guppy, Jane T. Seto, C Fossati, Fabio Pigozzi, Paolo Borrione, Yannis Pitsiladis

Notice bibliographique

RevueBMC Medical Genomics · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésAnabolismTranscriptomeSkeletal muscleInternal medicineBiologyRNA-SeqEndocrinologyRNAWhole bloodAnabolic-Androgenic SteroidsGeneBlood samplingGene expressionBioinformaticsMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The effects of Anabolic Androgenic Steroids (AAS) are largely illustrated through Androgen Receptor induced gene transcription, yet RNA-Seq has yet to be conducted on human whole blood and skeletal muscle. Investigating the transcriptional signature of AAS in blood may aid AAS detection and in muscle further understanding of AAS induced hypertrophy. METHODS: Males aged 20-42 were recruited and sampled once: sedentary controls (C), resistance trained lifters (RT) and resistance trained current AAS users (RT-AS) who ceased exposure ≤ 2 or ≥ 10 weeks prior to sampling. RT-AS were sampled twice as Returning Participants (RP) if AAS usage ceased for ≥ 18 weeks. RNA was extracted from whole blood and trapezius muscle samples. RNA libraries were sequenced twice, for validation purposes, on the DNBSEQ-G400RS with either standard or CoolMPS PE100 reagents following MGI protocols. Genes were considered differentially expressed with FDR < 0.05 and a 1.2- fold change. RESULTS: Cross-comparison of both standard reagent whole blood (N = 55: C = 7, RT = 20, RT-AS ≤ 2 = 14, RT-AS ≥ 10 = 10, RP = 4; N = 46: C = 6, RT = 17, RT-AS ≤ 2 = 12, RT-AS ≥ 10 = 8, RP = 3) sequencing datasets, showed that no genes or gene sets/pathways were differentially expressed between time points for RP or between group comparisons of RT-AS ≤ 2 vs. C, RT, or RT-AS ≥ 10. Cross-comparison of both muscle (N = 51, C = 5, RT = 17, RT-AS ≤ 2 = 15, RT-AS ≥ 10 = 11, RP = 3) sequencing (one standard & one CoolMPS reagent) datasets, showed one gene, CHRDL1, which has atrophying potential, was upregulated in RP visit two. In both muscle sequencing datasets, nine differentially expressed genes, overlapped with RT-AS ≤ 2 vs. RT and RT-AS ≤ 2 vs. C, but were not differentially expressed with RT vs. C, possibly suggesting they are from acute doping alone. No genes seemed to be differentially expressed in muscle after the long-term cessation of AAS, whereas a previous study found long term proteomic changes. CONCLUSION: A whole blood transcriptional signature of AAS doping was not identified. However, RNA-Seq of muscle has identified numerous differentially expressed genes with known impacts on hypertrophic processes that may further our understanding on AAS induced hypertrophy. Differences in training regimens in participant groupings may have influenced results. Future studies should focus on longitudinal sampling pre, during and post-AAS exposure to better control for confounding variables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

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

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 Opus0,140
Tête enseignante GPT0,347
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical GenomicsMême sujetHormonal and reproductive studiesTravaux en français237 207