Farnesol prevents aging-related muscle weakness in mice through enhanced farnesylation of Parkin-interacting substrate
Notice bibliographique
Résumé
Peroxisome proliferator–activated receptor-γ coactivator-1α (PGC-1α) is a master regulator of mitochondrial biogenesis. Reduced PGC-1α abundance is linked to skeletal muscle weakness in aging or pathological conditions, such as neurodegenerative diseases and diabetes; thus, elevating PGC-1α abundance might be a promising strategy to treat muscle aging. Here, we performed high-throughput screening and identified a natural compound, farnesol, as a potent inducer of PGC-1α. Farnesol administration enhanced oxidative muscle capacity and muscle strength, leading to metabolic rejuvenation in aged mice. Moreover, farnesol treatment accelerated the recovery of muscle injury associated with enhanced muscle stem cell function. The protein expression of Parkin-interacting substrate (PARIS/ Zfp746 ), a transcriptional repressor of PGC-1α, was elevated in aged muscles, likely contributing to PGC-1α reduction. The beneficial effect of farnesol on aged muscle was mediated through enhanced PARIS farnesylation, thereby relieving PARIS-mediated PGC-1α suppression. Furthermore, short-term exercise increased PARIS farnesylation in the muscles of young and aged mice, whereas long-term exercise decreased PARIS expression in the muscles of aged mice, leading to the elevation of PGC-1α. Collectively, the current study demonstrated that the PARIS–PGC-1α pathway is linked to muscle aging and that farnesol treatment can restore muscle functionality in aged mice through increased farnesylation of PARIS.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».