Information

2.9: Molekulare Backups für Muskeln - Biologie

2.9: Molekulare Backups für Muskeln - Biologie



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Bei Pflanzen ist der Energiebedarf anders als bei Tieren. Wie ist das möglich?

Kreatin + ATP <=> Kreatinphosphat + ADP

Das ΔG°’ dieser Reaktion beträgt +12,6 kJ/mol, was die oben genannten Energien widerspiegelt. In einer ruhenden Muskelzelle ist ATP reichlich vorhanden und ADP niedrig, was die Reaktion nach rechts treibt, wodurch Kreatinphosphat entsteht. Wenn die Muskelkontraktion beginnt, sinkt der ATP-Spiegel und der ADP-Spiegel steigt. Die obige Reaktion kehrt sich dann um und schreitet fort, um sofort ATP zu synthetisieren. Daher wirkt Kreatinphosphat wie eine Batterie, die Energie speichert, wenn der ATP-Spiegel hoch ist, und sie fast augenblicklich freisetzt, um ATP zu erzeugen, wenn der Spiegel sinkt.


2.9: Molekulare Backups für Muskeln - Biologie

Alle von MDPI veröffentlichten Artikel werden sofort weltweit unter einer Open-Access-Lizenz verfügbar gemacht. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Creative Common CC BY-Lizenz veröffentlicht wurden, darf jeder Teil des Artikels ohne Genehmigung wiederverwendet werden, sofern der Originalartikel eindeutig zitiert wird.

Feature Papers stellen die fortschrittlichste Forschung mit erheblichem Potenzial für eine große Wirkung auf diesem Gebiet dar. Feature Papers werden auf individuelle Einladung oder Empfehlung der wissenschaftlichen Herausgeber eingereicht und vor der Veröffentlichung einem Peer Review unterzogen.

Das Feature Paper kann entweder ein origineller Forschungsartikel, eine umfangreiche neue Forschungsstudie sein, die oft mehrere Techniken oder Ansätze umfasst, oder ein umfassendes Übersichtspapier mit prägnanten und präzisen Updates zu den neuesten Fortschritten auf diesem Gebiet, das die aufregendsten Fortschritte in der Wissenschaft systematisch überprüft Literatur. Diese Art von Papier gibt einen Ausblick auf zukünftige Forschungsrichtungen oder mögliche Anwendungen.

Editor’s Choice-Artikel basieren auf Empfehlungen der wissenschaftlichen Herausgeber von MDPI-Zeitschriften aus der ganzen Welt. Die Herausgeber wählen eine kleine Anzahl von kürzlich in der Zeitschrift veröffentlichten Artikeln aus, die ihrer Meinung nach für Autoren besonders interessant oder in diesem Bereich wichtig sind. Ziel ist es, eine Momentaufnahme einiger der spannendsten Arbeiten zu geben, die in den verschiedenen Forschungsbereichen der Zeitschrift veröffentlicht wurden.


Mechanismen der Skelettmuskelverletzung

Muskelverletzungen sind eine der häufigsten Sportverletzungen, ihre Häufigkeit variiert zwischen 10 und 55 % aller erlittenen Verletzungen1,2. Fast alle davon scheinen nur vier Muskelgruppen zu betreffen: Kniesehnen, Adduktoren, Quadrizeps und Wadenmuskeln1. Muskelverletzungen können sein Schertyp (verursacht durch Prellung, Zerrung oder Platzwunde), bei dem die Muskelfasern und ihre Basallamina und Mysialscheiden sowie die nahegelegenen Kapillaren alle reißen2𠄴. Bei der anderen Verletzungsart In-situ-Nekrose (oder Rhabdomyolyse), werden die Myofasern teilweise nekrotisiert, während die Basallamina und Mysialscheiden sowie die angrenzenden Blutgefäße intakt bleiben2. Über 90 % aller Sportverletzungen sind entweder Prellungen oder Zerrungen, während Muskelverletzungen im Sport seltene Verletzungen sind4. Eine Muskelkontusion tritt auf, wenn ein Muskel einer plötzlichen, starken extrinsischen Druckkraft ausgesetzt ist, wie beispielsweise einem direkten Schlag, d. h. die Verletzung ist keine Folge der intrinsischen Kraft der Übung selbst. Bei Belastungen werden die Muskelfasern einer zu hohen Eigenzugkraft ausgesetzt. Ihre Schwere variiert von sehr leichten Belastungsverletzungen wie verzögert einsetzendem Muskelkater (DOMS) bis hin zu ȁkrealen” Belastungen, scherenden Muskelverletzungen, bei denen Myofasern und die damit verbundenen Bindegewebsstrukturen einschließlich Blutgefäße gerissen sind5. “Real” Muskelzerrungen, die durch körperliche Betätigung induziert werden, unterscheiden sich in ihrer regenerativen Reaktion nicht wesentlich von solchen Prellungen oder Platzwunden.


Einführung

Das neuromuskuläre System gilt als eines der am stärksten von der Raumfahrt beeinflussten physiologischen Systeme (Fitts et al., 2001). Wenn die auf der Erde entwickelten Muskeln der Mikrogravitation der Raumfahrt ausgesetzt sind, zeigten sich Veränderungen in der Morphologie, der kontraktilen Funktion und der Genexpression der schweren Myosinkette (MHC) (Caiozzo et al., 1994 Caiozzo et al., 1996 Criswell et al., 1996 Day et al., 1995 Edgerton et al., 1995 Fitts et al., 2000 Harrison et al., 2003). Kürzlich wurde gezeigt, dass kultivierte embryonale Vogelmuskelzellen direkt auf Raumflug ansprechen und als Ergebnis einer verminderten Proteinsynthese eine Atrophie eingehen (Vandenburgh et al., 1999). Die Beobachtung, dass die MHC-Spiegel nach dem Flug im Vergleich zu Kontrollkulturen verringert waren, legt nahe, dass Muskeln, die sich unter Schwerelosigkeit entwickeln, weniger MHC exprimieren.

Kultivierten Muskelzellen fehlt die Innervation, die für die richtige Muskelentwicklung und zur Vorbeugung von Muskelatrophie erforderlich ist in vivo(Szewczyk und Jacobson, 2005). Daher sind Studien zur Muskelentwicklung oder Atrophie an ganzen Tieren erforderlich, um die mit kultivierten Zellen erhaltenen Ergebnisse zu bestätigen. Muskeln des Nematoden Caenorhabditis elegans wurden ausgiebig untersucht und zeigen eine signifikante Ähnlichkeit mit Wirbeltiermuskeln. Die Hauptmuskeln in C. elegans sind die Körperwand und die Rachenmuskulatur (Epstein et al., 1974). Der Körperwandmuskel ist dem Skelettmuskel von Wirbeltieren analog und dient der Fortbewegung. Im Muskel der Körperwand scheint die Myogenese durch den Helix-Loop-Helix-Transkriptionsfaktor HLH-1 (Chen et al., 1994 Krause, 1995) kontrolliert zu werden, der die Expression von zwei MHC-Isoformen kontrolliert [MHC A und B kodiert durch myo-3 und unc-54(Dibb et al., 1985 Epstein et al., 1974 Karn et al., 1983 MacLeod et al., 1981 Miller et al., 1986). Die Rachenmuskulatur funktioniert rhythmisch bei der Nahrungsaufnahme und möglicherweise auch bei pseudocoelomischer Zirkulation. Sie sind dem Herzmuskel von Vertebraten analog und enthalten zwei MHC-Isoformen [MHC C und D, kodiert durch myo-2 und myo-1(Ardizzi und Epstein, 1987 Miller et al., 1986)]. Bei der Entwicklung des Rachenmuskels scheinen diese MHCs durch die kooperative Wirkung der Transkriptionsfaktoren PEB-1, PHA-4 und CEH-22 reguliert zu werden (Gaudet und Mango, 2002 Kalb et al., 2002 Okkema und Fire, 1994 Okkema et al. , 1997). Die Transkriptionsregulation von C. elegans Myosin-Gene ähneln in vielerlei Hinsicht denen von Wirbeltieren. Sowohl die Körperwand als auch der Rachenmuskel enthalten jedoch auch das wirbellose Paramyosin-Kernprotein, das von kodiert wird unc-15 (Epstein et al., 1985 Kagawa et al., 1989). Die weitgehenden Ähnlichkeiten mit Säugetiermuskeln haben es ermöglicht C. elegans soll als Kleintiermodell für Studien zu einer Reihe von Muskelatrophien entwickelt werden, einschließlich Muskeldystrophie (Grisoni et al., 2002), Hunger (Zdinak et al., 1997), Denervation (Szewczyk et al., 2000) , Veränderungen des Wachstumsfaktors (Szewczyk und Jacobson, 2003), Alterung (Fisher, 2004) und veränderte Funktion von Myosin-Chaperonen (Hoppe et al., 2004). C. elegans wurde auch als Modell für Studien über die Auswirkungen der Raumfahrt auf die Physiologie entwickelt (Hartman et al., 2001 Nelson et al., 1994a Nelson et al., 1994b). In dieser Studie haben wir deshalb Raumflüge eingesetzt C. elegans um die mit kultivierten embryonalen Vogelmuskelzellen gewonnenen Erkenntnisse zu bestätigen und zu erweitern.

In diesem Bericht zeigen wir, dass Muskeln von C. elegans die im Weltraum während der DELTA-Mission der Europäischen Weltraumorganisation (ESA) entwickelt wurden, zeigen eine verminderte Expression der Transkriptionsfaktoren, die sowohl die Körperwand- als auch die Rachenmuskelmyogenese steuern, sowie eine verminderte Expression muskelspezifischer MHCs. Diese Ergebnisse zeigen, dass die Veränderungen, die zuvor bei der Entwicklung von kultivierten embryonalen Vogelmuskelzellen im Weltraum beobachtet wurden, auch auftreten in vivo im Nematodene C. elegans. Unsere Ergebnisse legen nahe, dass die veränderte MHC-Expression eine hochkonservierte molekulare Reaktion auf die Raumfahrt ist und in kleinen genetischen Modellorganismen untersucht werden kann. Darüber hinaus impliziert eine verminderte Proteinsynthese im sich entwickelnden Muskel, dass im Weltraum eine Verringerung der Muskelreparatur und des Muskelumbaus zumindest einem Teil der durch die Raumfahrt induzierten Muskelatrophie zugrunde liegen kann.


DISKUSSION

Obwohl die molekulare Masse, der Kollagengehalt und der MHC-Prozentsatz von Titin in einigen Muskeln verschiedener Tierarten gemessen wurden, ist vergleichsweise wenig über ihre Rolle und ihren relativen Beitrag in der menschlichen Skelettmuskulatur bekannt. Diese Studie untersuchte organisatorische Themen dieser Parameter im gesamten menschlichen Körper. Wir haben 100 Muskeln des gesamten Körpers mit Ausnahme der Kopf- und Nackenmuskulatur und der Fußmuskeln untersucht. Es gibt nur sehr wenige Studien zum menschlichen Muskel mit einer Stichprobengröße von über 500, die meisten sind beschreibend (Gaudy et al., 2001) oder verwenden nicht-invasive Techniken (Kawakami et al., 2006). Unsere Stichprobengröße von 599 ist die größte sektionsbasierte Studie zum menschlichen Muskel. Darüber hinaus wurden andere große Studien im Allgemeinen an einer kleinen Gruppe von Muskeln in einer großen Population durchgeführt. Unsere Studie berichtet Daten von vielen Muskeln bei einigen wenigen Personen. Dies spiegelt einen Unterschied in den Zielen wider – während andere Studien normalerweise versuchen, sehr genaue Informationen über einige wenige Muskeln zu erhalten, war unser Ziel, allgemeine Informationen über eine breite Population von Muskeln zu erhalten. Somit stellen die hier berichteten Daten eine robuste Studie zum menschlichen Muskel mit einem einzigartigen Ziel dar.

(A) Titin-Molekularmasse, (B) Kollagengehalt und (C) prozentuale MHC-Verteilung in Muskeln mit unterschiedlichen Funktionen. In einigen Fällen bestehen signifikante Unterschiede zwischen Muskeln unterschiedlicher Funktion, aber korrelierte Trends zwischen verschiedenen molekularen Parametern sind weniger klar als in Abb. 1. Abkürzungen: Ab, Abduktion IR, Innenrotation Fl, Flexion Ex, Extension Ad, Adduktion ER, Außenrotation .

(A) Titin-Molekularmasse, (B) Kollagengehalt und (C) prozentuale MHC-Verteilung in Muskeln mit unterschiedlichen Funktionen. In einigen Fällen bestehen signifikante Unterschiede zwischen Muskeln unterschiedlicher Funktion, aber korrelierte Trends zwischen verschiedenen molekularen Parametern sind weniger klar als in Abb. 1. Abkürzungen: Ab, Abduktion IR, Innenrotation Fl, Flexion Ex, Extension Ad, Adduktion ER, Außenrotation .

Vielfalt der Skelettmuskulatur

Die Titin-Molekularmasse reichte von 3,4 bis 4,1 MDa in unserer experimentellen Probe, die mittlere Titin-Molekularmasse für einzelne Muskeln reichte von 3,6 bis 3,8 MDa. Vor dieser Studie war bekannt, dass humane Muskeltitine in der Größe von ∼ 3,0 MDa für Herztitin bis 3,70 MDa für Soleus-Titin reichen (Freiburg et al., 2000 Labeit und Kolmerer, 1995) und die genetische Kodierungskapazität für das größte Titin 4,2 MDa beträgt (Bang et al., 2001). Die hier berichteten Daten erweitern die bekannte Größenvielfalt der Titin-Molekularmasse in der menschlichen Skelettmuskulatur erheblich. Tatsächlich hatten 48 der 100 untersuchten Muskeln eine Titin-Molekularmasse von über 3,70 MDa. Im Kontext durchschnittlicher eukaryontischer Proteine ​​betrachtet, erscheint diese Größenvielfalt groß – ungefähr so ​​groß wie 3,5–4 menschliche Proteine ​​(Brocchieri und Karlin, 2005). Diese Variabilität kann jedoch auch als gering angesehen werden, da sie nur ∼5% der Gesamtmasse von Titin beträgt. Darüber hinaus ist die Variabilität innerhalb eines einzelnen Muskels (durchschnittlicher sd jedes Muskels = 47 kDa) gleichauf mit der Variabilität in der gesamten Probenpopulation (Gesamt-sd für alle Proben = 69 kDa), was eindeutig zeigt, dass die molekulare Masse von Titin streng reguliert ist . Ähnliche Variabilitätsmuster werden beim Kollagengehalt (durchschnittliche sd der log-transformierten Daten = 0,18, Gesamt-sd = 0,22) und MHC-Prozentsatz (MHC-1 durchschnittlicher sd = 17,4%, Gesamt-sd = 20,9% MHC-2A durchschnittlicher sd = 10,6%, Gesamt-SD = 13,1% MHC-2X-Durchschnitt sd = 9,8%, Gesamt-SD = 11,3%. Titin hat den kleinsten durchschnittlichen s.d.:total s.d. Verhältnis, was darauf hinweist, dass es von diesen Eigenschaften für jeden Muskel am spezifischsten ist. Allerdings ist die Ähnlichkeit zwischen durchschnittlichen s.d. und s.d. der gesamten Stichprobenpopulation für jeden gemessenen Faktor bedeutet, dass wahrscheinlich bei keinem dieser Parameter genügend Variabilität vorhanden ist, um die bei physiologischen Messungen beobachteten größeren Variabilitätsgrade vollständig zu berücksichtigen. Es ist wahrscheinlich, dass strukturelle Überlegungen wie die Muskelarchitektur die Muskelfunktion stärker vorhersagen.

Beziehungen zwischen der Titin-Molekularmasse und (A) prozentualem MHC-1, (B) prozentualem MHC-2A, (C) prozentualem MHC-2X und (D) Kollagengehalt. Gestrichelte Linien sind Ergebnisse der linearen Regression Daten zum Kollagengehalt (μg mg –1 ) wurden logarithmisch transformiert, da die Daten unabhängiger Variablen für die lineare Regressionsanalyse normalverteilt sein sollten. Beachten Sie die signifikant negative Korrelation zwischen der Titinmasse und dem prozentualen MHC-1, die der für Kaninchenmuskeln berichteten entgegengesetzt ist (Prado et al., 2005).

Beziehungen zwischen der Titin-Molekularmasse und (A) prozentualem MHC-1, (B) prozentualem MHC-2A, (C) prozentualem MHC-2X und (D) Kollagengehalt. Gestrichelte Linien sind Ergebnisse der linearen Regression Daten zum Kollagengehalt (μg mg –1 ) wurden logarithmisch transformiert, da die Daten unabhängiger Variablen für die lineare Regressionsanalyse normalverteilt sein sollten. Beachten Sie die signifikant negative Korrelation zwischen der Titinmasse und dem prozentualen MHC-1, die der für Kaninchenmuskeln berichteten entgegengesetzt ist (Prado et al., 2005).

Gruppierungstrends

Wenn die Muskeln nach anatomischer Region, Muskelfunktion, Antigravitation gruppiert wurden gegen Nicht-Antigravitationsfunktion oder Single gegen Bei mehreren Gelenkkreuzungen wurden die auffälligsten Muster in anatomischen Regionengruppierungen beobachtet (Abb. 1). An den oberen und unteren Extremitäten nahmen die Titin-Molekülmasse und der Kollagengehalt von distal nach proximal ab (außer Schulterkollagen) und stiegen für die axialen Muskeln wieder an.

Betrachtet man sie im Zusammenhang mit der passiven Spannung, sagen die Titin- und Kollagenwerte gegensätzliche Effekte voraus. Wenn Titin als molekulare Quelle diskutiert wird, die für die Entwicklung passiver Spannung in den Myozyten verantwortlich ist (Granzier und Irving, 1995), wird angenommen, dass seine unterschiedlichen Steifheitsgrade aus dem unterschiedlichen Spleißen eines einzelnen Titin-Gens resultieren (Labeit und Kolmerer, 1995), was zu längeren, nachgiebigeren Isoformen führt, die zu einer geringeren passiven Spannung führen, während kürzere Isoformen steifer sind und eine höhere passive Spannung ergeben (Horowits, 1992, Wang et al., 1991). Der Trend bei der molekularen Masse von Titin würde daher nahelegen, dass die passive Spannung in den distalen Muskeln niedrig und in den proximalen Muskeln hoch sein sollte. Ein erhöhter Kollagengehalt ist jedoch mit einer erhöhten passiven Spannung verbunden. Unsere Daten legen daher nahe, dass die passive Spannung in den distalen Muskeln hoch und in den proximalen Muskeln niedrig ist. Unsere Daten legen auch nahe, dass die Rolle von Titin physiologisch nicht darin besteht, den Großteil der passiven Spannung zu tragen, da die distalen Muskeln, basierend auf der Molmasse von Titin, nachgiebiger sein sollten. Wir behaupten daher, dass die Größenvariabilität von Titin wahrscheinlich eine andere physiologische Rolle spielt und möglicherweise dazu dient, die Mechanotransduktionsfähigkeit des Proteins zu „tunen“. Eine ähnliche Beziehung zwischen Titingröße und Kollagengehalt wurde im Herzmuskel beobachtet, was darauf hindeutet, dass eine Versteifung (erhöhte passive Spannung) des Herzmuskels unabhängig von den Beiträgen von Titin zur passiven Spannung auftreten kann (Neagoe et al., 2002).

Es ist wichtig anzumerken, dass die meisten früheren Studien zur Rolle von Titin bei der passiven Muskelsteifheit mit Einzelfaser- oder sogar myofibrillären Präparaten durchgeführt wurden (Prado et al., 2005 Horowits, 1992 Gollapudi und Lin, 2009 Granzier und Irving, 1995). Eine kürzlich durchgeführte Übersicht, die mehrere Studien zusammenfasst, die von einzelnen Fasern zu Faserbündeln skaliert (wodurch extrazelluläre Matrix, ECM) hinzugefügt werden, berichtet, dass sich der Modul um Faktoren von weniger als 1 bis zu 16-fach ändert (Gillies und Lieber, 2011). Dies deutet auf zwei Hauptpunkte hin: Sowohl Titin als auch ECM tragen zu passiver Spannung bei, und die relativen Beiträge unterscheiden sich zwischen den Muskeln. Schritte zur Lösung des letzteren Problems hätten in der vorliegenden Studie durch die Durchführung ähnlicher passiver Spannungsexperimente an den Biopsien unternommen werden können, aber da der Einfluss der postmortalen Zeit auf die passive Spannung nicht bekannt ist, wurden diese Experimente nicht durchgeführt.

Vergleich der MHC-Prozentsätze für jede funktionelle Muskelgruppe der unteren Extremität. Beachten Sie, dass an jedem Gelenk der unteren Extremität Unterschiede zwischen Flexoren und Extensoren bestehen, die denen der Hinterbeine von Ratten entgegengesetzt sind (Eng et al., 2008).

Vergleich der MHC-Prozentsätze für jede funktionelle Muskelgruppe der unteren Extremität. Beachten Sie, dass an jedem Gelenk der unteren Extremität Unterschiede zwischen Flexoren und Extensoren bestehen, die denen der Hinterbeine von Ratten entgegengesetzt sind (Eng et al., 2008).

Zusätzlich zu den beobachteten Trends für den Titin- und Kollagengehalt wurden Unterschiede im MHC-Gehalt in verschiedenen Körperbereichen festgestellt. Es gibt viele mögliche Organisationsprinzipien, die die beobachteten Trends erklären könnten. Wir präsentieren hier eine solche Erklärung, aber es ist wichtig zu beachten, dass dies nur eine von vielen potenziell praktikablen Interpretationen der Daten ist. Diese Trends können eine Kombination aus der Bedeutung der Motorsteuerung und der Ermüdungsbeständigkeit widerspiegeln. Muskeln mit einem höheren Anteil an MHC-1 sind im Allgemeinen ermüdungsresistenter, da sie für die Energieproduktion auf oxidative Phosphorylierung angewiesen sind, anstatt auf Glykolyse. Darüber hinaus bestehen langsame motorische Einheiten im Allgemeinen aus kleinen Axonen, die wenige Fasern innervieren, während für schnelle motorische Einheiten das Gegenteil der Fall ist. Der hohe MHC-1-Gehalt der Handmuskulatur kann dabei die Bedeutung präziser manueller Geschicklichkeit widerspiegeln. Die Geschicklichkeit muss jedoch durch einen guten Bewegungsbereich und die Fähigkeit zur Krafterzeugung gesteigert werden, um ihren Nutzen zu maximieren. Diese Parameter beziehen sich auf die Muskelfaserlänge bzw. die physiologische Querschnittsfläche (PCSA). Die Größe des Antebrachiums ermöglicht die Platzierung von Muskeln mit Faserlängen und PCSAs, die groß genug sind, um eine ausreichende Auslenkung und Kraft an den Finger- und Handwurzelgelenken bereitzustellen, wodurch die intrinsische Fingerfertigkeit der Hand verbessert wird. Die geringeren Mengen an langsamem Myosin in diesen Muskeln implizieren, dass die Kraftproduktion Vorrang vor der Ermüdungsresistenz hat und dass die motorische Kontrolle der Unterarmmuskulatur nicht so genau reguliert werden muss wie die der Hand. Dieser Trend eines niedrigeren MHC-1-Prozentsatzes in Muskeln mit großer PCSA und Faserlängen wird im Brachium verstärkt und dann in den Schultermuskeln umgekehrt. Dies kann daran liegen, dass die Schulter für die genaue Positionierung der Hand im dreidimensionalen Raum verantwortlich ist und gleichzeitig das Gewicht von Brachium und Antebrachium trägt, für die sowohl Ermüdungsfestigkeit als auch eine gute motorische Kontrolle von größter Bedeutung sind. Der Anteil MHC-1 der Muskeln des Achsenskeletts und der unteren Extremität ist höher als der der meisten Regionen der oberen Extremität. Viele dieser Muskeln werden aufgrund ihrer Haltungs- und Stützfunktion häufig aktiviert, so dass der hohe Anteil an MHC-1 wahrscheinlich die Bedeutung der Ermüdungsresistenz dieser Muskelgruppen widerspiegelt.

Titin als Vorhersagefaktor

Bei der Gruppierung nach anatomischer Region oder Funktion zeigte DFA, dass Titin der Faktor war, der zwischen verschiedenen Gruppen am besten diskriminierte. DFA zeigte auch, dass der prozentuale MHC-2X- und Kollagengehalt die Faktoren waren, die die Antigravitation am besten vorhersagten gegen Nicht-Antigravitationsfunktion und Single gegen mehrere gemeinsame Kreuzungen bzw. Die Verwendung dieser beiden Parameter klassifizierte jedoch 54,8 % der Muskeln richtig, kaum besser als die 50 % korrekte Klassifizierung, die aufgrund des Zufalls zu erwarten wäre. Daher glauben wir nicht, dass Schlussfolgerungen, die auf diesen Ergebnissen basieren, sehr aussagekräftig sind oder die Funktion vorhersagen. Die sehr hohe Unterscheidungsfähigkeit von Titin ist teilweise auf seine geringe Variabilität innerhalb eines bestimmten Muskels zurückzuführen [durchschnittlicher molekularer Variationskoeffizient (CV) des Titins für einzelne Muskeln = 1 %], die dramatisch geringer ist als die Daten zum MHC- oder Kollagengehalt ( durchschnittlicher CV von 28 % für MHC-1 und 44 % für den Kollagengehalt). Die Erkenntnis, dass die molekulare Masse von Titin ein guter Prädiktor für die anatomische Lage oder Muskelfunktion ist, legt nahe, dass die Mechanotransduktionsfähigkeit von Titin (soweit sie von der molekularen Masse abhängt) muskelspezifisch ist. Es steht außer Frage, dass Titin als Mechanotransducer fungieren kann (Lange et al., 2005), aber die genaue molekulare Natur oder sogar die Protein-Subdomänen, die für die Mechanotransduktion verantwortlich sind, sind noch nicht genau definiert.

Vergleich mit anderen Säugetieren

Tiere werden häufig als Modelle verwendet, um die menschliche Physiologie besser zu verstehen. Daher war es relevant, in Tiersystemen beobachtete Trends zu untersuchen und festzustellen, ob ähnliche Trends beim Menschen existieren. Es ist wichtig zu verstehen, wie sich die Physiologie zwischen Menschen und anderen Säugetieren unterscheidet, um Tierstudien richtig interpretieren zu können.

Eine frühere Studie, die ähnliche Parameter in den Hinterbeinen von Ratten untersuchte, ergab, dass Plantarflexoren „langsamer“ waren als Dorsalflexoren, was auf die größere Antigravitationsfunktion der Plantarflexoren zurückgeführt wurde (Eng et al., 2008). Wir fanden jedoch heraus, dass menschliche Dorsalflexoren im Durchschnitt langsamer waren, obwohl diese Beziehung statistisch nicht signifikant war (P= 0,10, 1–&bgr; = 0,37). Außerdem fanden wir an jedem Gelenk der unteren Extremität gegensätzliche Beziehungen [Abb. 4 vgl. Feige. 4 von Eng et al. (Eng et al., 2008)]. Die Unterschiede am Knöchel sind wahrscheinlich darauf zurückzuführen, dass Nagetiere digigrad sind, während Menschen plantargradig sind. Unterschiede über das Knie hinweg können darauf zurückzuführen sein, dass die Kniestreckeraktivität der Ratte relativ höher ist als die des Menschen, da ihr Gangmuster im Vergleich zum Menschen auf einem viel stärker gebeugten Knie beruht.

Darüber hinaus haben frühere Arbeiten an Kaninchen nahegelegt, dass es eine Verbindung zwischen dem aktiven und passiven Spannungsentwicklungssystem geben könnte, wie in der Beziehung zwischen der molekularen Masse von Titin und dem prozentualen Anteil an MHC-1 beobachtet (Prado et al., 2005). In unserer gesamten Studienpopulation am Menschen beobachteten wir jedoch eine entgegengesetzte Beziehung zu der für Kaninchenmuskeln berichteten [Abb. 3A vgl. Abb. 7a und 7d von Prado et al. (Prado et al., 2005)]. Daher scheint es, dass, wenn eine Interaktion zwischen aktiven und passiven Spannungserzeugungssystemen existiert, die Natur dieser Interaktion beim Menschen grundlegend anders ist gegen Muskelsysteme von Kaninchen.

Einschränkungen

Trotz größter Sorgfalt beim Studiendesign und der experimentellen Durchführung weist diese Studie einige Einschränkungen auf. Uns ist bewusst, dass die in unseren Tests erhaltenen Werte nicht die allgemeine menschliche Bevölkerung repräsentieren. Vielmehr sind sie am repräsentativsten für eine ältere kaukasische Bevölkerung, die in Minnesota in der Umgebung von Minneapolis lebt.

Es ist äußerst schwierig, von nicht verstorbenen Spendern Biopsien mehrerer Muskeln zu erhalten. Darüber hinaus wird den meisten jungen, gesunden verstorbenen Gewebespendern zu Recht der Vorrang von Organ- und Gewebespenden zur Transplantation eingeräumt. Darüber hinaus bedeuteten die Zeitbeschränkungen, die durch den schnellen postmortalen Abbau von Titin verursacht wurden, dass die große Mehrheit der Spender, die für unsere Studie in Frage kamen, im fortgeschrittenen Alter war. Die Auswirkungen des Alterns auf die MHC-Isoformverteilung wurden bei Menschen (Lexell et al., 1983 Lexell, 1995 Lexell et al., 1988 Larsson, 1983) und Nagetieren (Caccia et al., 1979 Kanda und Hashizume, 1989 Kadhiresan et al.) untersucht ., 1996). Es versteht sich, dass das Altern einen Verlust an Fasern (Lexell et al., 1988) und eine Abnahme der Faseranzahl vom Typ II/Typ I (Caccia et al., 1979 Larsson, 1983 Kanda und Hashizume, 1989) und des Faserflächenverhältnisses mit sich bringt (Larsson, 1983, Arbanas et al., 2010) scheint diese altersbedingte Umgestaltung motorischer Einheiten eine Denervierung schneller Fasern mit einer Reinnervation von Nerven zu beinhalten, die langsame Fasern innervieren (Kadhiresan et al., 1996). Wir erwarten daher, dass die MHC-Prozentsätze in unserer Studienpopulation zu höheren MHC-1-Mengen verzerrt werden. Eine kürzlich durchgeführte Studie mit derselben MHC-Bestimmungsmethode ergab Werte von ∼30% MHC-1 sowohl für die gracilis- als auch für die semitendinosus-Muskulatur in einer Population normaler Kinder mit einem Durchschnittsalter von 16 Jahren (Smith et al., 2011). Zum Vergleich: Der prozentuale Anteil von MHC-1 in dieser Studie für Gracilis und Semitendinosus betrug 65,5 ± 8,5% bzw. 60,5 ± 9,3%. Der Fokus unserer Studie legt jedoch eine höhere Priorität auf die relativen MHC-Werte zwischen Muskeln, nicht zwischen Menschen. Während es möglich sein könnte, dass die „Verlangsamung“ der Muskeln mit zunehmendem Alter unterschiedlich zwischen den Muskeln erfolgt (wodurch die Anwendung unserer Schlussfolgerungen eingeschränkt wird), macht es das Fehlen von Studien, die mehrere Muskelregionen untersuchen, unmöglich, dieses Problem angemessen anzugehen.

Die Proteine ​​MHC-1, -2A und -2X werden alle von verschiedenen Genen im menschlichen Genom kodiert. Dies unterscheidet sich von Titin, das von einem einzigen Gen kodiert wird, wobei allgemein angenommen wird, dass verschiedene Isoformen als Produkte des alternativen Spleißens entstehen (Labeit und Kolmerer, 1995). Aufgrund dieses Unterschieds kann die Hoch- oder Herunterregulierung eines einzelnen Gens die MHC-Isoformverteilung innerhalb eines Muskels verändern, hat jedoch keinen Einfluss auf die Titin-Molekularmasse. Faktoren, die den Spleißgrad (und damit die molekulare Masse von Titin) steuern, sind noch nicht bekannt und sind wahrscheinlich komplexer als Veränderungen der genetischen Expression. Daher ist zu erwarten, dass die Auswirkungen des Alters auf die molekulare Masse von Titin weniger dramatisch sind als die prozentualen MHC-Veränderungen, es sei denn, die Unterschiede der molekularen Masse von Titin sind empfindlich gegenüber epigenetischen Veränderungen. Die Studie von Smith et al. (Smith et al., 2011) berichteten von Titin-Molekularmassen, die sich nicht signifikant von den in unserer Studie berichteten unterschieden (Gracilis: P=0,20, 1–β=0,52 Semitendinosus: P=0.07, 1–β=0.52), was bedeutet, dass die Auswirkungen des Alters auf die molekulare Masse von Titin gering sind.

Eine weitere wichtige Einschränkung ist unsere Stichprobengröße. Obwohl sechs Spender als eine kleine Stichprobe angesehen werden können, lag der Schwerpunkt der Studie darauf, Trends in der gesamten menschlichen Muskelorganisation zu finden, nicht unbedingt Daten zu erhalten, die für die durchschnittliche menschliche Bevölkerung vollständig repräsentativ sind. Wir waren daher mehr mit den relativen Werten zwischen den Muskeln beschäftigt und glauben, dass unsere Studienpopulation groß genug war, um unsere Ziele, Organisationstrends zu finden, zu erreichen.

Es gibt einige Aspekte der experimentellen Durchführung, die ebenfalls diskussionswürdig sind. Jeder Muskel wurde an einer Stelle entnommen, und diese Biopsie wurde als repräsentativ für den gesamten Muskel angesehen, wobei angenommen wurde, dass die regionale Variation innerhalb eines Muskels geringer ist als die Variation zwischen den Muskeln. Diese Annahme wird durch frühere Arbeiten bei Rhesusaffen gestützt, bei denen gezeigt wurde, dass die prozentuale Variabilität des Fasertyps zwischen Probanden viel größer ist als zwischen Biopsien innerhalb eines Muskels bei einem einzelnen Probanden (Roy et al., 1991) und bei menschlichen paraspinalen Muskeln. wobei die Fasertypverteilung unabhängig von der Biopsietiefe war (Regev et al., 2010).

Aber selbst wenn eine einzelne Biopsie für den gesamten Muskel repräsentativ ist, wurde jeder Muskel in unserer Analyse als gleichwertig angesehen. Dies kann einen verwirrenden Effekt haben, da kleine Muskeln in unserer Analyse überrepräsentiert sein können. Dieser Effekt hätte durch eine Normalisierung auf Muskelmasse oder PCSA abgeschwächt werden können, dem einzigen bekannten Muskelparameter, der direkt mit der maximalen Kraftproduktion in Verbindung steht (Powell et al., 1984). PCSA und Muskelmasse variieren jedoch in verschiedenen Körperregionen viel stärker als die molekulare Masse von Titin, der Kollagengehalt oder die MHC-Verteilung. Die Varianzkoeffizienten über verschiedene anatomische Regionen hinweg betragen 71 % für PCSA und 87 % für Muskelmasse [84 Muskeln berücksichtigt (Jacobson et al., 1992 Delp et al., 2001 Brown et al., 2011 Peterson und Rayan, 2011 Lieber, 2010) )]. Vergleicht man einen CV von 1 % für die Titin-Molekülmasse, 18 % für den Kollagengehalt und 14 % für den MHC-1-Prozentsatz, wird deutlich, dass die Ergebnisse der Normalisierung der Daten aus Biopsien auf PCSA (oder Muskelmasse) hauptsächlich die Unterschiede im Durchschnitt widerspiegeln PCSA (oder durchschnittliche Muskelmasse) zwischen verschiedenen Körperregionen, anstatt weitere Einblicke in Bezug auf die relative Titin-Molekularmasse, den Kollagengehalt und die MHC-Verteilung im Körper zu geben.

Eine letzte Einschränkung ist die Kategorisierung. Aufgrund der Annahmen, die unseren statistischen Analysen zugrunde liegen, musste jeder Muskel in eine einzige Kategorie eingeordnet werden, trotz der physiologischen Realität, dass viele Muskeln mehrere Funktionen haben oder als an mehreren Orten existierend angesehen werden könnten. Die Muskeln wurden nach bestem Wissen und Gewissen nach ihrer primären Funktion und Lage kategorisiert (eine vollständige Liste finden Sie in Tabelle S1 des Zusatzmaterials). Wir erkennen an, dass dies ein unvollkommenes System ist, halten es jedoch für eine Notwendigkeit, die Daten in überschaubare Gruppen zu reduzieren.


Der Biophysik-Laborunterricht findet in der Regel nur in den ersten Wochen der Sommersemesterferien statt. Sie sind konsekutiv organisiert und bauen Schritt für Schritt praktische Fähigkeiten auf:

BP-Laborklasse 1 (einige Beispiele):

  • molekulare Strukturen und Schwingungsspektren mit quantenchemischen Methoden (Tavan)
  • die Aptamer-Thrombin-Bindung thermophoretisch gemessen (Braun)
  • FCS (Rädler)

BP Lab Klasse 2 (einige Beispiele):

  • Einzelmolekül FRET und Holiday Junction (Tinnefeld)
  • IR-Spektroskopie (Zinth)
  • DNA-Origami (Liedl)

BP Lab Klasse 3 (einige Beispiele):


Verweise

Babjuk M, Burger M, Comperat EM, Gontero P, Mostafid AH, Palou J, van Rhijn BWG, Roupret M, Shariat SF, Sylvester R, et al. Leitlinien der European Association of Urology zu nicht-muskelinvasivem Blasenkrebs (TaT1 und Carcinoma in situ) – Aktualisierung 2019. Eur Urol. 201976:639–57.

Roupret M, Babjuk M, Comperat E, Zigeuner R, Sylvester RJ, Burger M, Cowan NC, Gontero P, BWG VR, Mostafid AH, et al. Leitlinien der European Association of Urology on Urothelial Carcinoma des oberen Harntrakts: 2017 aktualisiert. Eur Urol. 201873:111–22.

Leow JJ, Chong KT, Chang SL, Bellmunt J. Urothelkarzinom des oberen Trakts: eine andere Krankheitsentität in Bezug auf das Management. ESMO geöffnet. 20161:e000126.

Moss TJ, Qi Y, Xi L, Peng B, Kim TB, Ezzedine NE, Mosqueda ME, Guo CC, Czerniak BA, Ittmann M, et al. Umfassende genomische Charakterisierung des Urothelkarzinoms des oberen Trakts. Eur Urol. 201772:641–9.

Robinson BD, Vlachostergios PJ, Bhinder B, Liu W, Li K, Moss TJ, Bareja R, Park K, Tavassoli P, Cyrta J, et al. Das Urothelkarzinom des oberen Trakts weist eine luminal-papilläre T-Zell-depletierte Kontextur und eine aktivierte FGFR3-Signalgebung auf. Nat. Komm. 201910:2977.

Audenet F, Isharwal S, Cha EK, Donoghue MTA, Drill EN, Ostrovnaya I, Pietzak EJ, Sfakianos JP, Bagrodia A, Murugan P, et al. Klonverwandtschaft und Mutationsunterschiede zwischen Urothelkarzinom des oberen Trakts und der Blase. Clin Cancer Res. 201925:967–76.

Sfakianos JP, Cha EK, Iyer G, Scott SN, Zabor EC, Shah RH, Ren Q, Bagrodia A, Kim PH, Hakimi AA, et al. Genomische Charakterisierung des Urothelkarzinoms des oberen Trakts. Eur Urol. 201568:970–7.

Wolff EM, Chihara Y, Pan F, Weisenberger DJ, Siegmund KD, Sugano K, Kawashima K, Laird PW, Jones PA, Liang G. Einzigartige DNA-Methylierungsmuster unterscheiden nichtinvasive und invasive Urothelkarzinome und begründen einen epigenetischen Felddefekt in prämalignem Gewebe. Krebs Res. 201070:8169–78.

Hurst CD, Alder O, Platt FM, Droop A, Stead LF, Burns JE, Burghel GJ, Jain S, Klimczak LJ, Lindsay H, et al. Genomische Subtypen von nicht-invasivem Blasenkrebs mit unterschiedlichem Stoffwechselprofil und weiblichem Geschlecht Bias in der KDM6A-Mutationshäufigkeit. Krebszelle. 201732:701–15 e707.

LB Alexandrov, S. Nik-Zainal, DC Wedge, SA Aparicio, S. Behjati, AV Biankin, GR Bignell, N. Bolli, A. Borg, AL Borresen-Dale et al. Signaturen von Mutationsvorgängen bei Krebs beim Menschen. Natur. 2013500:415–21.

Yu CC, Li CF, Chen IH, Lai MT, Lin ZJ, Korla PK, Chai CY, Ko G, Chen CM, Hwang T, et al. Die Amplifikation/Überexpression von YWHAZ definiert aggressiven Blasenkrebs und trägt zur Chemo-/Radioresistenz bei, indem sie die Caspase-vermittelte Apoptose unterdrückt. J Pathol. 2019248(4):476-87.

Bracken AP, Brien GL, Verrijzer CP. Gefährliche Verbindungen: Wechselspiel zwischen SWI/SNF, NuRD und Polycomb bei der Chromatinregulation und Krebs. Gene Dev. 201933:936–59.

Vire E, Brenner C, Deplus R, Blanchon L, Fraga M, Didelot C, Morey L, Van Eynde A, Bernard D, Vanderwinden JM, et al. Das Protein EZH2 der Polycomb-Gruppe steuert direkt die DNA-Methylierung. Natur. 2006439:871–4.

Hasan MS, Wu X, Zhang L. Leistungsbewertung von Indel-Calling-Tools mit echten Short-Read-Daten. Hum Genomik. 20159:20.

Loh XY, Sun QY, Ding LW, Mayakonda A, Venkatachalam N, Yeo MS, Silva TC, Xiao JF, Doan NB, Said JW, et al. RNA-binding protein ZFP36L1 suppresses hypoxia and cell-cycle signaling. Krebs Res. 202080:219–33.

Wang X, Li M. Correlate tumor mutation burden with immune signatures in human cancers. BMC Immunol. 201920:4.

Birtle A, Johnson M, Chester J, Jones R, Dolling D, Bryan RT, Harris C, Winterbottom A, Blacker A, Catto JWF, et al. Adjuvant chemotherapy in upper tract urothelial carcinoma (the POUT trial): a phase 3, open-label, randomised controlled trial. Lanzette. 2020395(10232):1268-77.

Li J, Wang W, Zhang Y, Cieslik M, Guo J, Tan M, Green MD, Wang W, Lin H, Li W, et al. Epigenetic driver mutations in ARID1A shape cancer immune phenotype and immunotherapy. J Clin Invest. 2020130:2712–26.

Shen J, Ju Z, Zhao W, Wang L, Peng Y, Ge Z, Nagel ZD, Zou J, Wang C, Kapoor P, et al. ARID1A deficiency promotes mutability and potentiates therapeutic antitumor immunity unleashed by immune checkpoint blockade. Nat. Med. 201824:556–62.

Toyota M, Ohe-Toyota M, Ahuja N, Issa JP. Distinct genetic profiles in colorectal tumors with or without the CpG island methylator phenotype. Proc Natl Acad Sci U S A. 200097:710–5.

Loriot Y, Necchi A, Park SH, Garcia-Donas J, Huddart R, Burgess E, Fleming M, Rezazadeh A, Mellado B, Varlamov S, et al. Erdafitinib in locally advanced or metastatic urothelial carcinoma. N Engl J Med. 2019381:338–48.

Ramakrishnan S, Granger V, Rak M, Hu Q, Attwood K, Aquila L, Krishnan N, Osiecki R, Azabdaftari G, Guru K, et al. Inhibition of EZH2 induces NK cell-mediated differentiation and death in muscle-invasive bladder cancer. Cell Death Differ. 201926:2100–14.

Malouf GG, Su X, Yao H, Gao J, Xiong L, He Q, Comperat E, Couturier J, Molinie V, Escudier B, et al. Next-generation sequencing of translocation renal cell carcinoma reveals novel RNA splicing partners and frequent mutations of chromatin-remodeling genes. Clin Cancer Res. 201420:4129–40.

Lawrence MS, Stojanov P, Polak P, Kryukov GV, Cibulskis K, Sivachenko A, Carter SL, Stewart C, Mermel CH, Roberts SA, et al. Mutational heterogeneity in cancer and the search for new cancer-associated genes. Natur. 2013499:214–8.

Gu Z, Eils R, Schlesner M. Complex heatmaps reveal patterns and correlations in multidimensional genomic data. Bioinformatik. 201632:2847–9.

Jarvis MC, Ebrahimi D, Temiz NA, Harris RS. Mutation signatures including APOBEC in cancer cell lines. JNCI cancer spectrum. 20182:pky002.

Rosenthal R, McGranahan N, Herrero J, Taylor BS, Swanton C. DeconstructSigs: delineating mutational processes in single tumors distinguishes DNA repair deficiencies and patterns of carcinoma evolution. Genom Biol. 201617:31.

Lee DD, Seung HS. Algorithms for non-negative matrix factorization. In Adv Neural Inf Process Syst. Cambridge: MIT Press 2001. p. 556–6.

Gaujoux R, Seoighe C. A flexible R package for nonnegative matrix factorization. BMC-Bioinformatik. 201011:367.

Trapnell C, Williams BA, Pertea G, Mortazavi A, Kwan G, Van Baren MJ, Salzberg SL, Wold BJ, Pachter L. Transcript assembly and quantification by RNA-Seq reveals unannotated transcripts and isoform switching during cell differentiation. Nat. Biotechnologie. 201028:511.

Robinson MD, Mccarthy DJ, Smyth GK. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatik. 201026:139–40.

Tian Y, Morris TJ, Webster AP, Yang Z, Beck S, Feber A, Teschendorff AE. ChAMP: updated methylation analysis pipeline for Illumina BeadChips. Bioinformatik. 201733:3982–4.

Robertson AG, Kim J, Alahmadie H, Bellmunt J, Guo G, Cherniack AD, Hinoue T, Laird PW, Hoadley KA, Akbani R. Comprehensive molecular characterization of muscle-invasive bladder cancer. Zelle. 2017171(3):540-556.e25.

Mahe M, Dufour F, Neyret-Kahn H, Moreno-Vega A, Beraud C, Shi M, Hamaidi I, Sanchez-Quiles V, Krucker C, Dorland-Galliot M. An FGFR 3/MYC positive feedback loop provides new opportunities for targeted therapies in bladder cancers. EMBO molecular medicine. 201810:e8163.

Garcia-Diaz A, Shin DS, Moreno BH, Saco J, Escuin-Ordinas H, Rodriguez GA, Zaretsky JM, Sun L, Hugo W, Wang X. Interferon receptor signaling pathways regulating PD-L1 and PD-L2 expression. Cell Rep. 201719:1189–201.

Kamoun A, de Reyniès A, Allory Y, Sjödahl G, Robertson AG, Seiler R, Hoadley KA, Groeneveld CS, Al-Ahmadie H, Choi W. A consensus molecular classification of muscle-invasive bladder cancer. Eur Urol. 202077:420–33.

Damrauer JS, Hoadley KA, Chism DD, Fan C, Tiganelli CJ, Wobker SE, Yeh JJ, Milowsky MI, Iyer G, Parker JS. Intrinsic subtypes of high-grade bladder cancer reflect the hallmarks of breast cancer biology. Proc Natl Acad Sci. 2014111:3110–5.

Subramanian A, Tamayo P, Mootha VK, Mukherjee S, Ebert BL, Gillette MA, Paulovich A, Pomeroy SL, Golub TR, Lander ES. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci. 2005102:15545–50.

Yu G, Wang L-G, Han Y, He Q-Y. clusterProfiler: an R package for comparing biological themes among gene clusters. Omics: a journal of integrative biology. 201216:284–7.

Eide PW, Bruun J, Lothe RA, Sveen A. CMScaller: an R package for consensus molecular subtyping of colorectal cancer pre-clinical models. Sci Rep. 20177:16618.

Hänzelmann S, Castelo R, Guinney J. GSVA: gene set variation analysis for microarray and RNA-seq data. BMC-Bioinformatik. 201314:7.

Mo Q, Shen R, Guo C, Vannucci M, Chan KS, Hilsenbeck SG. A fully Bayesian latent variable model for integrative clustering analysis of multi-type omics data. Biostatistics. 201719:71–86.

Mermel CH, Schumacher SE, Hill B, Meyerson ML, Beroukhim R, Getz G. GISTIC2.0 facilitates sensitive and confident localization of the targets of focal somatic copy-number alteration in human cancers. Genom Biol. 201112:R41.

Beroukhim R, Mermel CH, Porter D, Wei G, Raychaudhuri S, Donovan J, Barretina J, Boehm JS, Dobson J, Urashima M, et al. The landscape of somatic copy-number alteration across human cancers. Natur. 2010463:899–905.

Becht E, Giraldo NA, Lacroix L, Buttard B, Elarouci N, Petitprez F, Selves J, Laurent-Puig P, Sautès-Fridman C, Fridman WH. Estimating the population abundance of tissue-infiltrating immune and stromal cell populations using gene expression. Genom Biol. 201617:218.

Yoshihara K, Shahmoradgoli M, Martínez E, Vegesna R, Kim H, Torres-Garcia W, Treviño V, Shen H, Laird PW, Levine DA. Inferring tumour purity and stromal and immune cell admixture from expression data. Nat. Komm. 20134:2612.

Thorsson V, Gibbs DL, Brown SD, Wolf D, Bortone DS, Yang T-HO, Porta-Pardo E, Gao GF, Plaisier CL, Eddy JA. The immune landscape of cancer. Immunität. 201848:812–830. e814.

Jeschke J, Bizet M, Desmedt C, Calonne E, Dedeurwaerder S, Garaud S, Koch A, Larsimont D, Salgado R, Van den Eynden G. DNA methylation–based immune response signature improves patient diagnosis in multiple cancers. J Clin Invest. 2017127:3090–102.

Bland JM, Altman DG. Survival probabilities (the Kaplan-Meier method). Bmj. 1998317:1572–80.

Fox J, Weisber S. Cox Proportional-Hazards Regression for Survival Data in R. In: An Appendix to An R Companion to Applied Regression. Sekunde. 2011. p. 1–20.

Su X, Lu X, Bazai SK, Compérat E, Mouawad R, Yao H, Rouprêt M, Spano JP, Khayat D, Davidson I, Tannir NM, Yan F et al. RNA sequencing study of upper-tract urothelial carcinomas https://www.ncbi.nlm.nih.gov/bioproject/PRJNA678814.

Su X, Lu X, Bazai SK, Compérat E, Mouawad R, Yao H, Rouprêt M, Spano JP, Khayat D, Davidson I, Tannir NM, Yan F et al. Epigenome analysis of upper-tract urothelial carcinomas samples and normal adjacent tissue (NAT) https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE161651.

Su X, Lu X, Bazai SK, Compérat E, Mouawad R, Yao H, Rouprêt M, Spano JP, Khayat D, Davidson I, Tannir NM, Yan F et al. Exome-sequencing of 30 upper-tract urothelial carcinomas and their matched normal. https://odin.mdacc.tmc.edu/

Rezensionsverlauf

Die Überprüfungshistorie ist als Zusatzdatei 3 verfügbar.

Peer-Review-Informationen

Anahita Bishop was the primary editor of this article and managed its editorial process and peer review in collaboration with the rest of the editorial team.


Diskussion

This integrated study of 131 invasive urothelial bladder carcinomas provides numerous novel insights into disease biology and delineates multiple potential opportunities for therapeutic intervention. Treatment for muscle-invasive bladder cancer has not advanced beyond cisplatin-based combination chemotherapy and surgery in the past 30 years 36 , and no new drugs for the disease have been approved in that time. Median survival for patients with recurrent or metastatic bladder cancer remains 14–15 months with cisplatin-based chemotherapy, and there is no widely recognized second-line therapy 37 . With the exception of a single case report, there is also no known benefit from treatment with newer, targeted agents 38 . Several of the genomic alterations identified in this study, particularly those involving the PI(3)K/AKT/mTOR, CDKN2A/CDK4/CCND1 and RTK/RAS pathways, including ERBB2 (Her-2), ERBB3 and FGFR3, are amenable in principle to therapeutic targeting. Clinical trials based on patients with relevant druggable genomic alterations are warranted.

FGFR3 mutation is a common feature of low-grade non-invasive papillary urothelial bladder cancer, but it occurs at a much lower frequency in high-grade invasive bladder cancer. The cluster analysis in Fig. 3 highlights multiple mechanisms of FGFR3 activation, and its strong association with papillary morphology. The data presented here suggest a subset of muscle-invasive cancers that can potentially be targeted through FGFR3. Similarly, ERBB2 amplification may be targetable by strategies used in breast cancer, by small-molecule tyrosine kinase inhibitors or by novel immunotherapeutic approaches (NCT01353222) 34 . The data here provide further support for several on-going ERBB2-targeted trials in bladder cancer and further define the subpopulation of cancers suited to that approach. Finally, cluster III of the integrated expression profiling analysis reveals the existence of a urothelial carcinoma subtype with cancer stem-cell expression features (including KRT14 and KRT5), perhaps providing another avenue for therapeutic targeting.

The alterations identified in epigenetic pathways also suggest new possibilities for bladder cancer treatment. Ninety-nine (76%) of the tumours analysed here had an inactivating mutation in one or more of the chromatin regulatory genes, and 53 (41%) had at least two such mutations. Overall, the bladder cancers showed a mutational spectrum highly enriched with mutations in chromatin regulatory genes (Supplementary Table 2.10). Furthermore, integrated network analyses revealed a profound impact of those mutations on the activity levels of various transcription factors and pathways implicated in cancer. Drugs that target chromatin modifications—for example, recently developed agents that bind acetyl-lysine binding motifs (bromodomains)—might prove useful for treatment of the subset of bladder tumours that exhibit abnormalities in chromatin-modifying enzymes 39 . Our findings overall indicate bladder cancer as a prime candidate for exploration of that approach to therapy.


Einführung

Skeletal muscle is composed of linear arrays of multinucleated muscle fibres, each with a complex internal structure dedicated to the conversion of chemical to physical energy. These fibres are ‘end cells’, meaning that they cannot proliferate to expand or restore the population after damage. Instead, they are formed or repaired by fusion of a proliferation-capable population of precursor cells called myoblasts (see Glossary, Box 1). The sequence of transcription factor expression leading to differentiation in the precursor cell population of the main mammalian body musculature is a close reflection of that observed during initial muscle formation in the embryo and the enlargement of muscle fibres in the postnatal and juvenile stages of muscle growth, as well as that observed in muscle repair. However, the behaviour of the myogenic (Box 1) cells differs radically between these situations.

Asymmetric division: a cell division that produces daughter cells that have different fates (e.g. one stem cell and one differentiated cell).

CTG expansion: a mutation in which repeats of three nucleotides (trinucleotide repeats) increase in copy number until they cross a threshold above which they become unstable.

DBA2/J, C57Bl/10 and 129/SVemst/J: inbred mouse strains that differ in their genetic backgrounds.

Dy/dy mouse: a model of laminin alpha-2 deficiency (MDC1A) that has a mutation in the LAMA2 Gen. This mouse has a moderate fibrotic and dystrophic phenotype (reviewed in Ng et al., 2012).

Dysferlin: a protein that is highly expressed at the sarcolemma of muscle fibres and is involved in repair of the sarcolemma.

Dystroglycanopathy: a muscular dystrophy caused by aberrant glycosylation of dystroglycan.

Gamma-sarcoglycan (Sgcg)-null mouse model: a model of Limb-girdle muscular dystrophy type 2C (LGMD2C).

Genetic modifier: a gene that affects the phenotypic and/or molecular expression of other genes.

Large myd mouse: a model of congenital muscular dystrophy type 1D (MDC1D). Dystroglycan glycosylation is defective in these mice as a result of a mutation in like-acetylglucosaminyltransferase (LARGE), a glycosyltransferase.

Mdx mouse: X-linked muscular dystrophy mouse model of DMD. Has a mutation in exon 23 of the Dmd Gen.

Muscle precursor cell: any cell that is predetermined to differentiate into skeletal muscle.

Myoblast: the progeny of satellite cells.

MyoD: myoblast determination protein 1, a myogenic regulatory factor.

Myogenic: originating in, or produced by, muscle cells.

Niche: a stem cell niche is an interactive structural unit, organized to facilitate cell-fate decisions in a proper spatiotemporal manner (Moore and Lemischka, 2006).

Satellite cell: skeletal muscle stem cell, located between the basal lamina (the internal layer of the basement membrane) and sarcolemma (cell membrane) of a muscle fibre. A satellite cell expresses PAX7 and is quiescent in normal adult muscle.

Symmetric cell division: a cell division that produces daughter cells that have the same fate (e.g. two stem cells, or two differentiated cells).

Utrophin: a cytoskeletal protein that has some structural and functional similarities to dystrophin.

Here, we briefly discuss skeletal muscle formation, growth and repair, with particular reference to muscular dystrophies. Most of the data behind these descriptions are derived from studies in animal models, mainly rodents, or from in vitro models of myogenesis. The relationship between the human condition of interest and the animal models requires careful consideration (Partridge, 2013). Likewise, while in vitro oder Ex-vivo models of myogenesis are the source of much of the molecular biological data on myogenesis, they do not reproduce the interactions with the cellular, matrix and systemic features of the in vivo environment that tune the process of myogenesis to the physiological needs of the animal as a whole. Thus, the applicability of knowledge for disease treatment gained from the above models should be treated with reserve.


G Protein Pathways, Part B: G Proteins and their Regulators

Mary J. Cismowski , . Emir Duzic , in Methods in Enzymology , 2002

Genetic Alterations of Yeast Pheromone Response Pathway

Haploide Saccharomyces cerevisiae exists in two mating types, designated ein und α (see J. Kurjan 32 and L. Bardwell et al. 33 for general reviews of the yeast pheromone response pathway). Each haploid constitutively secretes mating pheromone, ein-factor, or α-factor respectively, that activates G-protein-coupled receptors on the surface of haploids of the opposite mating type. On receptor activation by pheromone, its associated heterotrimeric G-protein undergoes subunit dissociation into GTP-bound activated Gα und Gβγ dimer ( Fig. 1 ). Free Gβγ then transduces a signal through a p21-activated kinase to a mitogen-activated protein (MAP) kinase cascade, leading to activation of the transcription factor Ste12 as well as Far1-mediated growth arrest in the G1 phase of the cell cycle. Activated Ste 12 then binds to specific pheromone-responsive promoters to induce of a variety of genes required for the cytoskeletal rearrangements associated with mating.

Abb. 1 . Engineering of the yeast pheromone response pathway for functional screening. (A) Schematic of the yeast pheromone response pathway. Major signaling components, determined either by functional analysis or by homology to signaling components of higher eukaryotes, are indicated. α, Gpa1 β, Ste4 γ, Ste18. (B) Modifications to the pheromone response pathway in the screening strains. Screening for G-protein activators is performed in strains carrying the FUS1p-HIS3 construct screening for G-protein repressors is performed in strains carrying the FUS1p-CAN1 construct. Details siehe Text.

In screening yeast for cDNAs that express G-protein pathway activators, the cell cycle arrest normally associated with pheromone pathway activation can be circumvented by deletion of FAR1, 34 thereby uncoupling pathway activation from growth arrest. The introduction of an essential biosynthetic gene whose expression is driven by a pheromone-responsive promoter provides the means for identifying pheromone pathway activators through a growth-based screen. For the screens described here, the promoter for the pheromone-responsive gene FUS1 (designated FUS1p) was ligated to HIS3, a gene encoding imidazoleglycerolphosphate dehydratase and required for histidine biosynthesis in yeast. Wachstum von far1his3 yeast strains carrying an integrated FUS1p-HIS3 construct is therefore inhibited in medium lacking histidine unless the pheromone response pathway is activated.

In searching for intracellular modulators of this G-protein-coupled signaling pathway it can also be advantageous to delete the native GPCR. This eliminates possible interference from modulators acting at the receptor–G-protein interface or acting directly on the GPCR. Finally, to target the mammalian cDNA screens toward different components of the signaling pathway, individual yeast genes can be replaced by their mammalian counterparts. For example, to target the heterotrimeric G-protein we replaced the native yeast Gα, Gpa1, with a human Gαi2 chimera containing the first 41 amino acids of Gpa1 and introduced it into a his3 far1 FUS1p-HIS3 strain (CY1316). 27,30 This chimeric Gα functionally couples to the yeast Gβγ as evidenced by its ability to suppress pheromone pathway activity in the absence of Gpa1 (see Table I , below).


Schau das Video: Muskelkontraktion einfach erklärt! (August 2022).