MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392201095 · doi:10.1101/2024.02.23.581737

Contractility of cardiac and skeletal muscle tissue increases with environmental stiffness

2024· preprint· en· W4392201095 sur OpenAlexaff
Delf Kah, Julia Lell, Tina Wach, Marina Spörrer, Claire A. Dessalles, Sandra Wiedenmann, Richard Gerum, Silvia Vergarajauregui, Tilman U. Esser, David Böhringer, Felix B. Engel, Ingo Thievessen, Ben Fabry

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésContractilitySkeletal muscleCardiologyInternal medicineStiffnessCardiac muscleMuscle stiffnessMedicineMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract The mechanical interplay between contractility and mechanosensing in striated muscles is of fundamental importance for tissue morphogenesis, load adaptation, and disease progression, but remains poorly understood. In this study, we investigate the dependence of contractile force generation of cardiac and skeletal muscle on environmental stiffness. Using in vitro engineered muscle micro-tissues that are attached to flexible elastic pillars, we vary the stiffness of the microenvironment over three orders of magnitude and study its effect on contractility. We find that the active contractile force upon electrical stimulation of both cardiac and skeletal micro-tissues increases with environmental stiffness according to a strong power-law relationship. To explore the role of adhesion-mediated mechanotransduction processes, we deplete the focal adhesion protein β-parvin in skeletal micro-tissues. This reduces the absolute contractile force but leaves the mechanoresponsiveness unaffected. Our findings highlight the influence of external stiffness on the adaptive behavior of muscle tissue and shed light on the complex mechanoadaptation processes in striated muscle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,185
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→