MétaCan
Menu
Retour à la cohorte
Enregistrement W4416439290 · doi:10.1113/ep093041

Mitophagy in skeletal muscle: Impact of ageing, exercise and disuse

2025· article· en· W4416439290 sur OpenAlexafffund
Anastasiya Kuznyetsova, David A. Hood

Notice bibliographique

RevueExperimental Physiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMitophagySkeletal muscleMitochondrionOrganelleLysosome

Résumé

récupéré en direct d'OpenAlex

Skeletal muscle plays an important role in whole-body health, quality of life and regulation of metabolism. The maintenance of a healthy mitochondrial pool is imperative for the preservation of skeletal muscle quality and is mediated through mitochondrial quality control consisting of mitochondrial turnover mediated by a balance between organelle synthesis and degradation. The selective tagging and removal of dysfunctional mitochondria is essential for maintaining mitochondrial quality control and is termed mitophagy. The mechanisms of the initial stages of mitophagy involving the recognition and tagging of mitochondria within skeletal muscle are well established, but our understanding of the terminal step involving organelle degradation mediated via lysosomes is in its infancy. An assessment of the proteolytic functions to facilitate the removal and breakdown of dysfunctional mitochondria is crucial for our understanding of the mechanisms of mitophagy, which is essential for maintaining skeletal muscle health. The aim of this review is to address the current knowledge surrounding mitophagy and lysosomal function, alongside distinct physiological conditions, such as ageing, exercise and disuse, that have varying effects on mitophagy and lysosomal adaptations within 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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,334
Écart entre enseignants0,327 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExperimental PhysiologyMême sujetAutophagy in Disease and TherapyTravaux en français237 207