Effect of aging, endurance training, and denervation on innate immune signaling in skeletal muscle
Notice bibliographique
Résumé
Abstract Skeletal muscle function relies on mitochondria for energy and for mediating its unique adaptive plasticity. The NLRP3 inflammasome complex is an innate immune mechanism that responds to mitochondrial damage-associated molecular patterns (DAMPS), however its activity relative to mitochondrial dysfunction in muscle requires exploration. The purpose of this study was to characterize immune signaling and mitochondrial function in muscle during aging, endurance training, and disuse induced by denervation. Denervation led to decreases in muscle mass, mitochondrial content, and impaired respiration. Protein analyses revealed increases in NF-κB p65 and downstream inflammatory markers including NLRP3, caspase-1, GSDMD-N, STING and IL-1β, along with pro-apoptotic BAX and AIF. When assessing potential DAMPS, denervation led to increased ROS production but no changes in cytosolic mtDNA levels, relative to total mtDNA. Since we hypothesized that inflammasome activation would be increased with age, we studied young (6-8 months) and aged (21-22 months) mice that remained sedentary or underwent a 6-week voluntary running protocol. Aging resulted in marked increases in the expression of multiple pro-inflammatory and pro-apoptotic proteins. Remarkably, training uniformly attenuated age-related increases in BAX, NLRP3, caspase-1, STING, and GSDMD protein expression, and reduced the elevated level of cytosolic mtDNA evident in aged muscle. Training adaptations were evident also in the aged animals by the preservation of muscle mass and improvements in oxygen consumption and endurance performance and were achieved despite a lower training distance than in young animals. Our results strongly implicate endurance training as a promising therapeutic for combatting disuse and age-related inflammation in skeletal 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 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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».