Human Leukocyte Transcriptome Changes During The Transition To And From 60 Days Of Bed Rest
Notice bibliographique
Résumé
PURPOSE: We sought to investigate the effect of unloading and physical inactivity typical of the bed rest model by identifying leukocyte transcriptome changes in participants that underwent 60 days of bed rest followed by reambulation. Previous work from our lab utilized a time course analysis and identified temporal expression changes in 2,415 protein-coding transcripts (Stratis et al., 2022). Our current work is focused on selective time-point comparisons to reveal expression changes in both coding and non-coding genes specific to the bed rest and reambulation study phases. METHODS: This longitudinal study design collected ten blood samples from twenty healthy male participants. We measured gene expression through RNA sequencing of leukocytes and applied linear mixed modelling to assess differential expression at the following time-points: model 1, baseline data collection (BDC) (BDC-12 and BDC-11 combined) vs head-down tilt (HDT) bed rest (HDT1, HDT2, HDT30, HDT60); and model 2, HDT60 vs reambulation (R1, R2, R12, R30). RESULTS: Model 1 found 30/44 (68%) differentially expressed genes (α < 0.05 & log fold change>|1|) were between baseline and early bed rest (BDC-12/-11 vs HDT2). Model 2 found 24/37 (65%) differentially expressed genes were between late bed rest and early reambulation (HDT60 vs R1). CONCLUSIONS: Major transcriptome changes occurred early at the transitions to and from bed rest. Current findings can guide future work on the complex responses and adaptation mechanisms experienced during physical inactivity and unloaded environments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».