Mechanisms of Exercise‐Induced Mitochondrial Biogenesis in Skeletal Muscle: Implications for Health and Disease
Notice bibliographique
Résumé
Abstract Mitochondria have paradoxical functions within cells. Essential providers of energy for cellular survival, they are also harbingers of cell death (apoptosis). Mitochondria exhibit remarkable dynamics, undergoing fission, fusion, and reticular expansion. Both nuclear and mitochondrial DNA (mtDNA) encode vital sets of proteins which, when incorporated into the inner mitochondrial membrane, provide electron transport capacity for ATP production, and when mutated lead to a broad spectrum of diseases. Acute exercise can activate a set of signaling cascades in skeletal muscle, leading to the activation of the gene expression pathway, from transcription, to post‐translational modifications. Research has begun to unravel the important signals and their protein targets that trigger the onset of mitochondrial adaptations to exercise. Exercise training leads to an accumulation of nuclear‐ and mtDNA‐encoded proteins that assemble into functional complexes devoted to mitochondrial respiration, reactive oxygen species (ROS) production, the import of proteins and metabolites, or apoptosis. This process of biogenesis has important consequences for metabolic health, the oxidative capacity of muscle, and whole body fitness. In contrast, the chronic muscle disuse that accompanies aging or muscle wasting diseases provokes a decline in mitochondrial content and function, which elicits excessive ROS formation and apoptotic signaling. Research continues to seek the molecular underpinnings of how regular exercise can be used to attenuate these decrements in organelle function, maintain skeletal muscle health, and improve quality of life. © 2011 American Physiological Society. Compr Physiol 1:1119‐1134, 2011.
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 | 0,000 | 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) | 0,000 | 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 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 ».