Short-term and persistent changes to the muscle transcriptome of Lake sturgeon (Acipenser fulvescens) following early-life exposures to elevated temperatures
Notice bibliographique
Résumé
In fishes, environmental change during early development may impact performance later in life. Exposure to elevated temperatures during these periods may result in a variety of changes to organismal physiology including both short-term and persistent impacts to growth. However, the underlying mechanisms which promote these physiological changes are unclear. In this study, we used mRNA-seq of white muscle tissue to investigate mechanisms underlying short-term (3 vs. 6 months post-hatch) and persistent (3 vs. 13 months post-hatch) impacts of temperature (16 °C, 18 °C, and 20 °C) during early development, which underlie enhanced growth performance in young of year lake sturgeon. Functional analysis of differentially expressed transcripts revealed that in the short-term, elevated temperatures of 20 °C had impacts on transcriptional regulation of epigenetic mechanisms, neuron development, muscle structure and function, and energy supply. Further, persistent effects led to the establishment of increased growth, altered muscle phenotypes, and transcriptional changes to alternative splicing, neuron signaling, as well as muscle type and function. Taken together, these results suggest that at 20 °C, epigenetic modifications may lead to a molecular switch inducing neuromuscular junction proliferation, which in turn alters developmental trajectories by increasing lake sturgeon muscle development and growth. These findings are pertinent to hatchery management processes and the impacts of increasing temperatures in natural environments such as from heat waves during early development, which both may have persistent impacts on the developmental trajectory of fishes.
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 ».