Transcriptomic and Proteomic of Gastrocnemius Muscle in Peripheral Artery Disease
Notice bibliographique
Résumé
BACKGROUND: Few effective therapies exist to improve lower extremity muscle pathology and mobility loss due to peripheral artery disease (PAD), in part because mechanisms associated with functional impairment remain unclear. METHODS: To better understand mechanisms of muscle impairment in PAD, we performed in-depth transcriptomic and proteomic analyses on gastrocnemius muscle biopsies from 31 PAD participants (mean age, 69.9 years) and 29 age- and sex-matched non-PAD controls (mean age, 70.0 years) free of diabetes or limb-threatening ischemia. RESULTS: Transcriptomic and proteomic analyses suggested activation of hypoxia-compensatory mechanisms in PAD muscle, including inflammation, fibrosis, apoptosis, angiogenesis, unfolded protein response, and nerve and muscle repair. Stoichiometric proportions of mitochondrial respiratory proteins were aberrant in PAD compared to non-PAD, suggesting that respiratory proteins not in complete functional units are not removed by mitophagy, likely contributing to abnormal mitochondrial activity. Supporting this hypothesis, greater mitochondrial respiratory protein abundance was significantly associated with greater complex II and complex IV respiratory activity in non-PAD but not in PAD. Rate-limiting glycolytic enzymes, such as hexokinase and pyruvate kinase, were less abundant in muscle of people with PAD compared with non-PAD participants, suggesting diminished glucose metabolism. CONCLUSIONS: In PAD muscle, hypoxia induces accumulation of mitochondria respiratory proteins, reduced activity of rate-limiting glycolytic enzymes, and an enhanced integrated stress response that modulates protein translation. These mechanisms may serve as targets for disease modification.
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 | 0,001 | 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 ».