Systemic Genome Correlation Loss as a Central Characteristic of Spaceflight
Notice bibliographique
Résumé
ABSTRACT Spaceflight exposes the human body to a unique combination of stressors—microgravity, radiation, and confinement—that induces multisystemic physiological dysregulation. Traditional transcriptomic analyses have focused on differential expression to identify key genes, yet this approach fails to explain why astronauts experience systemic fragility despite often subtle changes in gene abundance. Here, we present a comprehensive meta-analysis of 10 independent transcriptomic and genomic datasets ( N = 136) from the NASA Open Science Data Repository. By shifting focus from gene abundance to gene-gene correlation topology, we identify Systemic Genome Correlation Loss as a central biosignature of spaceflight. We show that the regulatory architecture of the transcriptome undergoes a profound decoherence in microgravity, shifting the global correlation distribution toward stochasticity ( p < 10 −15 ). This phenomenon is universal across tissues and independent of gene variance. We identify a massive population of 760 genes that maintain stable expression levels but lose over 500 regulatory connections each, outnumbering canonical differentially expressed genes by three-to-one. Finally, we demonstrate that cells preserve the connectivity of survival-critical DNA repair networks preferentially while allowing mitochondrial and synaptic networks to shatter. These findings suggest that astronaut health risks are driven by the entropic decay of regulatory synchronization, proposing a new paradigm for countermeasure development focused on network stabilization rather than pathway inhibition.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».