MétaCan
Menu
Retour à la cohorte
Enregistrement W4386837140 · doi:10.3390/muscles2030023

Degradative Signaling in ATG7-Deficient Skeletal Muscle Following Cardiotoxin Injury

2023· article· en· W4386837140 sur OpenAlexafffund
Fasih A. Rahman, Troy Campbell, Darin Bloemberg, Sarah E. Chapman, Joe Quadrilatero

Notice bibliographique

RevueMuscles · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCardiotoxinSkeletal muscleCell biologyChemistryAnatomyBiology

Résumé

récupéré en direct d'OpenAlex

Skeletal muscle is a complex tissue comprising multinucleated and post-mitotic cells (i.e., myofibers). Given this, skeletal muscle must maintain a fine balance between growth and degradative signals. A major system regulating the remodeling of skeletal muscle is autophagy, where cellular quality control is mediated by the degradation of damaged cellular components. The accumulation of damaged cellular material can result in elevated apoptotic signaling, which is particularly relevant in skeletal muscle given its post-mitotic nature. Luckily, skeletal muscle possesses the unique ability to regenerate in response to injury. It is unknown whether a relationship between autophagy and apoptotic signaling exists in injured skeletal muscle and how autophagy deficiency influences myofiber apoptosis and regeneration. In the present study, we demonstrate that an initial inducible muscle-specific autophagy deficiency does not alter apoptotic signaling following cardiotoxin injury. This finding is presumably due to the re-establishment of ATG7 levels following injury, which may be attributed to the contribution of a functional Atg7 gene from satellite cells. Furthermore, the re-expression of ATG7 resulted in virtually identical regenerative potential. Overall, our data demonstrate that catastrophic injury may “reset” muscle gene expression via the incorporation of nuclei from satellite cells.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,620
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,013
Tête enseignante GPT0,267
Écart entre enseignants0,254 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMusclesMême sujetMuscle Physiology and DisordersTravaux en français237 207