Advancing Single-Cell Transcriptomic Analysis to Reveal Age-Related Skeletal Muscle Changes: A Systematic Review
Notice bibliographique
Résumé
Population aging has become a widespread health problem that leads to huge socioeconomic burden. Skeletal muscle as an important component of motor system, gradually degenerates with age. Age-related muscle disorders, such as sarcopenia is associated with higher risks of falls, fracture, disability, and mortality in old people. As there is still no Food and Drug Administration (FDA) approved drug to treat sarcopenia, conducting research of in-depth mechanisms is warranted to develop novel treatments. The cutting-edge techniques single-cell and single-nuclei RNA sequencing can help to address this issue by discovering age-related changes of muscle at the single-cell level. This review aims to systematically explore current evidence of age-related muscle changes during normal aging, regeneration, and after treatments at the single-cell level. 29 studies were eligible and included in the current review according to the PRISMA guideline. The muscle cell composition was altered with age, such as diminished muscle stem cells (MuSCs), vascular cells, Schwann cells, and increased myocytes as well as some types of immune cells. Inflammation levels, collagen and extracellular matrix (ECM) signaling, protein catabolism, TGFβ signaling, apoptosis, and autophagy of MuSCs, myocytes, fibro-adipogenic progenitor cells, vascular cells, or immune cells were regulated with age. Delayed muscle regeneration of aged muscle was relied on disorders of cell-specific immune response, myogenesis, angiogenesis, and ECM remodeling. Three treatments involved in this review could reverse age-related dysfunction of muscle cells to some extent. Further research targeting age-related changes of muscle at the single-cell level is an important tool in assisting development of more effective treatments for sarcopenia.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».