regmedjournalРегенерация органов и тканейРегенерация органов и тканей2949-5938Общество регенеративной медицины10.60043/2949-5938-2025-3-82regmedjournal-82Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL ARTICLESДеконволюционная оценка соотношения быстрых и медленных транскриптомных профилей и клеточного состава скелетных мышц человека по данным CAGE-seqDeconvolution-based assessment of fast and slow transcriptomic components and cellular composition of human skeletal muscles using CAGE-seq datahttps://orcid.org/0000-0001-6944-1646НизамовШ. Р.NizamovSh. R.

Низамов Шамиль Ринатович — аспирант, Высшая школа биологии, кафедра зоологии и общей биологии

420008, г. Казань, ул. Кремлевская, д. 18

Shamil R. Nizamov — PhD student, Higher School of Biology, Department of zoology and general biology

18 Kremlevskaya St., Kazan 420008

nizamov.1999@gmail.comhttps://orcid.org/0000-0002-8888-8395БиляловА. И.BilyalovA. I.

Билялов Айрат Ильдарович — к.м.н., научный сотрудник

121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5; 111123, г. Москва, Новогиреевская ул., д. 1, корп. 1; 450054, г. Уфа, проспект Октября, д. 71

Airat I. Bilyalov — Cand. Sci. (Medicine), research fellow

5, Nobel Str., Mozhaysky Municipal District of the Skolkovo Innovation Center, Moscow 121205; 1 Bldg., 1 Novogireevskaya St., Moscow 111123; Oktyabrya Ave., Ufa 450054

bilyalovair@yandex.ruhttps://orcid.org/0009-0000-9179-515XФилатовН. С.FilatovN. S.

Филатов Никита Сергеевич — младший научный сотрудник

121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5; 450054, г. Уфа, проспект Октября, д. 71

Nikita S. Filatov — junior research fellow

5, Nobel Str., Mozhaysky Municipal District of the Skolkovo Innovation Center, Moscow 121205; Oktyabrya Ave., Ufa 450054

ns.filatov@yandex.ruhttps://orcid.org/0000-0003-0019-2076ДевятияровР. М.DeviatiiarovR. M.

Девятияров Руслан Мансурович — биоинформатик

420008, г. Казань, ул. Кремлевская, д. 18; 121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5; 450054, г. Уфа, проспект Октября, д. 71; 113-8421, Токио, Япония; 117292, г. Москва, ул. Дмитрия Ульянова, д. 11

Ruslan M. Deviatiiarov — bioinformatician

18 Kremlevskaya St., Kazan 420008; 5, Nobel Str., Mozhaysky Municipal District of the Skolkovo Innovation Center, Moscow 121205; Oktyabrya Ave., Ufa 450054; 113-8421, Tokyo, Japan; 11 Dmitry Ulyanov St., Moscow 117292

https://orcid.org/0000-0003-2339-261XШагимардановаЕ. И.ShagimardanovaE. I.

Шагимарданова Елена Ильясовна — к.б.н., старший научный сотрудник

121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5; 143026, г. Москва, Западный административный округ, Можайский район, Инновационный центр Сколково, Большой бул., д. 30, стр. 1

Elena I. Shagimardanova — Cand. Sci. (Biology), senior research fellow

5, Nobel Str., Mozhaysky Municipal District of the Skolkovo Innovation Center, Moscow 121205; 30 Bolshoy Blvd., Bldg. 1, Skolkovo Innovation Center, Mozhaysky District, Western Administrative Okrug, Moscow 143026

rjuka@mail.ruhttps://orcid.org/0000-0003-4978-8495ГазизоваГ. Р.GazizovaG. R.

Газизова Гузель Рашитовна — старший научный сотрудник, Научный центр «Регуляторная геномика»

420008, г. Казань, ул. Кремлевская, д. 18; 117513, Москва, ул. Островитянова, д. 1, стр. 10

Guzel R. Gazizova — senior research fellow, Scientific center for regulatory genomics

18 Kremlevskaya St., Kazan 420008; 1 Bldg., 10 Ostrovityanova St., Moscow 117513

grgazizova@gmail.comhttps://orcid.org/0000-0003-0878-8528СергееваЮ. П.SergeevaIu. P.

Сергеева Юлия Петровна — научный сотрудник, Научный центр «Регуляторная геномика»

420008, г. Казань, ул. Кремлевская, д. 18

Iuliia P. Sergeeva — research fellow, Scientific center for regulatory genomics

18 Kremlevskaya St., Kazan 420008

JulPSergeeva@kpfu.ruhttps://orcid.org/0009-0009-8014-2060БровкинС. С.BrovkinS. S.

Бровкин Сергей Сергеевич — травматолог-ортопед, Отделение ортопедии и сложной травмы

111123, г. Москва, Новогиреевская ул., д. 1, корп. 1

Sergey S. Brovkin — traumatologist-orthopedist, Department of orthopedics and complex trauma

1 Bldg., 1 Novogireevskaya St., Moscow 111123

s.brovkin@mknc.ruhttps://orcid.org/0000-0001-8365-6416ШестаковД. Ю.ShestakovD. Yu.

Шестаков Дмитрий Юрьевич — к.м.н., заведующий отделением ортопедии и сложной травмы

111123, г. Москва, Новогиреевская ул., д. 1, корп. 1

Dmitriy Yu. Shestakov — Cand. Sci. (Medicine), Head of Department of orthopedics and complex trauma

1 Bldg., 1 Novogireevskaya St., Moscow 111123

d.shestakov@mknc.ruhttps://orcid.org/0009-0008-5135-4841БодуноваН. А.BodunovaN. A.

Бодунова Наталья Александровна — к.м.н., руководитель Центра персонализированной медицины

111123, г. Москва, Новогиреевская ул., д. 1, корп. 1

Natalya A. Bodunova — Cand. Sci. (Medicine), Head of the Center for personalized medicine

1 Bldg., 1 Novogireevskaya St., Moscow 111123

n.bodunova@mknc.ruhttps://orcid.org/0000-0002-6203-9758ГусевО. А.GusevO. A.

Гусев Олег Александрович — к.б.н., заведующий лабораторией функциональной нейрогеномики

121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5; 113-8421, Токио, Япония; 117513, Москва, ул. Островитянова, д. 1, стр. 10

Oleg A. Gusev — Head of the laboratory of functional neurogenomics

5, Nobel Str., Mozhaysky Municipal District of the Skolkovo Innovation Center, Moscow 121205; 113-8421, Tokyo, Japan; 1 Bldg., 10 Ostrovityanova St., Moscow 117513

o.gusev.fo@juntendo.ac.jpФГАОУ ВО «Казанский (Приволжский) федеральный университет», Институт фундаментальной медицины и биологииРоссияInstitute of Fundamental Medicine and Biology, Kazan Federal UniversityRussian FederationООО «ЛИФТ Центр»; ГБУЗ «Московский клинический научно-практический центр им. А.С. Логинова» Департамента здравоохранения г. Москвы; Уфимский федеральный исследовательский центр Российской академии наукРоссияLife Improvement by Future Technologies (LIFT) Center, Skolkovo Innovation Center; Moscow Clinical Scientific Center Named After Loginov; Ufa Federal Research Centre of Russian Academy of Sciences, Institute of Biochemistry and GeneticsRussian FederationООО «ЛИФТ Центр»; Уфимский федеральный исследовательский центр Российской академии наукРоссияLife Improvement by Future Technologies (LIFT) Center, Skolkovo Innovation Center; Ufa Federal Research Centre of Russian Academy of Sciences, Institute of Biochemistry and GeneticsRussian FederationФГАОУ ВО «Казанский (Приволжский) федеральный университет», Институт фундаментальной медицины и биологии; ООО «ЛИФТ Центр»; Уфимский федеральный исследовательский центр Российской академии наук; Центр исследований неизлечимых заболеваний, Высшая медицинская школа, Университет Джунтендо; ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. академика И.И. Дедова» Министерства здравоохранения Российской Федерации, Институт персонализированной медициныРоссияInstitute of Fundamental Medicine and Biology, Kazan Federal University; Life Improvement by Future Technologies (LIFT) Center, Skolkovo Innovation Center; Ufa Federal Research Centre of Russian Academy of Sciences, Institute of Biochemistry and Genetics; Intractable Disease Research Center, Graduate School of Medicine, Juntendo University; Endocrinology Research Centre, Institute of Personalized MedicineRussian FederationООО «ЛИФТ Центр»; Центр коллективного пользования в области геномики и биовизуализации, Сколковский институт науки и технологийРоссияLife Improvement by Future Technologies (LIFT) Center, Skolkovo Innovation Center; Genomics and Bioimaging Core Facility, Skolkovo Institute of Science and TechnologyRussian FederationФГАОУ ВО «Казанский (Приволжский) федеральный университет», Институт фундаментальной медицины и биологии; ФГБУ «Федеральный центр мозга и нейротехнологий» ФМБА РоссииРоссияInstitute of Fundamental Medicine and Biology, Kazan Federal University; Federal Center of Brain Research and Neurotechnology of the Federal Medical Biological Agency (FMBA) of RussiaRussian FederationГБУЗ «Московский клинический научно-практический центр им. А.С. Логинова» Департамента здравоохранения г. МосквыРоссияMoscow Clinical Scientific Center Named After LoginovRussian FederationООО «ЛИФТ Центр»; Центр исследований неизлечимых заболеваний, Высшая медицинская школа, Университет Джунтендо; ФГБУ «Федеральный центр мозга и нейротехнологий» ФМБА РоссииРоссияLife Improvement by Future Technologies (LIFT) Center, Skolkovo Innovation Center; Intractable Disease Research Center, Graduate School of Medicine, Juntendo University; Federal Center of Brain Research and Neurotechnology of the Federal Medical Biological Agency (FMBA) of RussiaRussian Federation20240707202600Принято в печать82Copyright © Низамов Ш.Р., Билялов А.И., Филатов Н.С., Девятияров Р.М., Шагимарданова Е.И., Газизова Г.Р., Сергеева Ю.П., Бровкин С.С., Шестаков Д.Ю., Бодунова Н.А., Гусев О.А., 20242024Низамов Ш.Р., Билялов А.И., Филатов Н.С., Девятияров Р.М., Шагимарданова Е.И., Газизова Г.Р., Сергеева Ю.П., Бровкин С.С., Шестаков Д.Ю., Бодунова Н.А., Гусев О.А.Nizamov S.R., Bilyalov A.I., Filatov N.S., Deviatiiarov R.M., Shagimardanova E.I., Gazizova G.R., Sergeeva I.P., Brovkin S.S., Shestakov D.Y., Bodunova N.A., Gusev O.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.regmed-journal.ru/jour/article/view/82

Представлен вычислительный метод для оценки клеточного состава образцов скелетной мышцы человека по данным CAGE-seq с использованием деконволюции. Подход позволяет оценить относительный вклад профилей экспресии, ассоциированных с быстрым и медленным фенотипами, без гистологической классификации. Входными данными служили транскриптомные профили CAGE, позволяющие точно определить уровень экспрессии и точку инициации транскрипции в промоторе. Для определения пропорций клеточных компонентов применяли метод деконволюции MuSiC с использованием данных секвенирования отдельных ядер мышц из проекта Heart Cell Atlas. На основе полученных оценок определен порог бинарного разделения по доле быстрых мышечных волокон (10%), показавший устойчивые характеристики (AUC = 0,934 и 0,828 для двух схем аннотации). Дальнейший анализ показал, что состав волокон и связанные с ним профили экспрессии отличаются между различными анатомическими группами мышц. Эти различия легли в основу функциональной аннотации, выявившей обогащение по биологическим процессам, связанным с развитием, специализацией мышечной ткани и возможными ассоциациями с патологией. Метод обеспечивает количественную, автоматизированную и воспроизводимую оценку спектра скоростных фенотипов скелетных мышц, открывая путь к стандартизации транскриптомного профилирования в фундаментальных и прикладных задачах.

The methodology for classifying human muscle fibers by contraction speed is presented, based solely on transcriptomic data and without the use of classical morphological methods. The input data consisted of CAGE transcriptomic profiles, which allow precise determination of expression levels and transcription start sites in the promoter. To estimate the proportions of cellular components, the MuSiC deconvolution method was applied, using single-nucleus muscle sequencing data from the Heart Cell Atlas project. Based on the obtained estimates a binary threshold for the proportion of fast muscle fibers (10 percent) was defined, demonstrating stable characteristics (AUC = 0.934 and 0.828 for two annotation schemes). Further analysis showed that fiber composition and associated expression profiles differ across anatomical muscle groups. These differences formed the basis for functional annotation, which revealed enrichment for biological processes related to development, specialization of muscle tissue, and possible associations with pathology. The method provides a quantitative, automated, and reproducible assessment of the spectrum of skeletal muscle speed phenotypes, opening the way to standardizing transcriptomic profiling in fundamental and applied research.

CAGE-seqдеконволюция MuSiCтранскриптомные профилиROC-анализCAGE-seqMuSiC deconvolutiontranscriptomic profilesROC analysisвыполнено при поддержке национального проекта «Новые технологии сбережения здоровья», грант № 388-00081-25-03 от 30.04.2025.This research was supported by the National project “New health-saving technologies” funded by the Government of the Russian Federation under Grant No. 388-00081-25-03 30.04.2025.ReferencesSchiaffino S, Reggiani C. Fiber types in mammalian skeletal muscles. Physiol Rev. 2011;91:1447–1531. DOI: 10.1152/physrev.00031.2010Schiaffino S, Reggiani C. Fiber types in mammalian skeletal muscles. Physiol Rev. 2011;91:1447–1531. DOI: 10.1152/physrev.00031.2010Nijssen J, Comley LH, Hedlund E. Motor neuron vulnerability and resistance in amyotrophic lateral sclerosis. Acta Neuropathol. 2017;133(6):863–885. DOI: 10.1007/s00401-017-1708-8Nijssen J, Comley LH, Hedlund E. Motor neuron vulnerability and resistance in amyotrophic lateral sclerosis. Acta Neuropathol. 2017;133(6):863–885. DOI: 10.1007/s00401-017-1708-8Scaricamazza S, Salvatori I, Ferri A, Valle C. Skeletal muscle in ALS: an unappreciated therapeutic opportunity? Cells. 2021;10(3):525. DOI: 10.3390/cells10030525Scaricamazza S, Salvatori I, Ferri A, Valle C. Skeletal muscle in ALS: an unappreciated therapeutic opportunity? Cells. 2021;10(3):525. DOI: 10.3390/cells10030525Khurana TS, Prendergast RA, Alameddine HS, Tome FM, Fardeau M, Arahata K, et al. Absence of extraocular muscle pathology in Duchenne’s muscular dystrophy: role for calcium homeostasis in extraocular muscle sparing. J Exp Med. 1995;182:467–475. DOI: 10.1084/jem.182.2.467Khurana TS, Prendergast RA, Alameddine HS, Tome FM, Fardeau M, Arahata K, et al. Absence of extraocular muscle pathology in Duchenne’s muscular dystrophy: role for calcium homeostasis in extraocular muscle sparing. J Exp Med. 1995;182:467–475. DOI: 10.1084/jem.182.2.467Titova A, Nikolaev S, Bilyalov A, Filatov N, Brovkin S, Shestakov D, et al. Extreme tolerance of extraocular muscles to diseases and aging: why and how? Int J Mol Sci. 2024;25:4985. DOI: 10.3390/ijms25094985Titova A, Nikolaev S, Bilyalov A, Filatov N, Brovkin S, Shestakov D, et al. Extreme tolerance of extraocular muscles to diseases and aging: why and how? Int J Mol Sci. 2024;25:4985. DOI: 10.3390/ijms25094985Petrany MJ, Swoboda CO, Sun C, Chetal K, Chen X, Weirauch MT, et al. Single-nucleus RNA-seq identifies transcriptional heterogeneity in multinucleated skeletal myofibers. Nat Commun. 2020;11:6374. DOI: 10.1038/s41467-020-20063-wPetrany MJ, Swoboda CO, Sun C, Chetal K, Chen X, Weirauch MT, et al. Single-nucleus RNA-seq identifies transcriptional heterogeneity in multinucleated skeletal myofibers. Nat Commun. 2020;11:6374. DOI: 10.1038/s41467-020-20063-wDe Micheli AJ, Spector JA, Elemento O, Cosgrove BD. A reference single-cell transcriptomic atlas of human skeletal muscle tissue reveals bifurcated muscle stem cell populations. Skelet Muscle. 2020;10:19. DOI: 10.1186/s13395-020-00236-3De Micheli AJ, Spector JA, Elemento O, Cosgrove BD. A reference single-cell transcriptomic atlas of human skeletal muscle tissue reveals bifurcated muscle stem cell populations. Skelet Muscle. 2020;10:19. DOI: 10.1186/s13395-020-00236-3Lai Y, Ramírez-Pardo I, Isern J, An J, Perdiguero E, Serrano AL, et al. Multimodal cell atlas of the ageing human skeletal muscle. Nature. 2024;629(8010):154–164. DOI: 10.1038/s41586-024-07348-6Lai Y, Ramírez-Pardo I, Isern J, An J, Perdiguero E, Serrano AL, et al. Multimodal cell atlas of the ageing human skeletal muscle. Nature. 2024;629(8010):154–164. DOI: 10.1038/s41586-024-07348-6Lindholm ME, Huss M, Solnestam BW, Kjellqvist S, Lundeberg J, Sundberg CJ. The human skeletal muscle transcriptome: sex differences, alternative splicing, and tissue homogeneity assessed with RNA sequencing. FASEB J. 2014;28(10):4571–4581. DOI: 10.1096/fj.14-255000Lindholm ME, Huss M, Solnestam BW, Kjellqvist S, Lundeberg J, Sundberg CJ. The human skeletal muscle transcriptome: sex differences, alternative splicing, and tissue homogeneity assessed with RNA sequencing. FASEB J. 2014;28(10):4571–4581. DOI: 10.1096/fj.14-255000Horwath O, Envall H, Röja J, Emanuelsson EB, Sanz G, Ekblom B, et al. Variability in vastus lateralis fiber type distribution, fiber size, and myonuclear content along and between the legs. J Appl Physiol. 2021;131(1):158–173. DOI: 10.1152/japplphysiol.00053.2021Horwath O, Envall H, Röja J, Emanuelsson EB, Sanz G, Ekblom B, et al. Variability in vastus lateralis fiber type distribution, fiber size, and myonuclear content along and between the legs. J Appl Physiol. 2021;131(1):158–173. DOI: 10.1152/japplphysiol.00053.2021Dahmane R, Djordjevic S, Simunic B, Valencic V. Spatial fiber type distribution in normal human muscle: histochemical and tensiomyographical evaluation. J Biomech. 2005;38(12):2451–2459. DOI: 10.1016/j.jbiomech.2004.10.020Dahmane R, Djordjevic S, Simunic B, Valencic V. Spatial fiber type distribution in normal human muscle: histochemical and tensiomyographical evaluation. J Biomech. 2005;38(12):2451–2459. DOI: 10.1016/j.jbiomech.2004.10.020Hintz CS, Coyle EF, Kaiser KK, Chi MM-Y, Lowry OH. Comparison of muscle fiber typing by quantitative enzyme assays and by myosin ATPase staining. J Histochem Cytochem. 1984;32(6):655–660. DOI: 10.1177/32.6.6202737Hintz CS, Coyle EF, Kaiser KK, Chi MM-Y, Lowry OH. Comparison of muscle fiber typing by quantitative enzyme assays and by myosin ATPase staining. J Histochem Cytochem. 1984;32(6):655–660. DOI: 10.1177/32.6.6202737Vikne H, Strøm V, Pripp AH, Gjøvaag T. Human skeletal muscle fiber type percentage and area after reduced muscle use: a systematic review and meta-analysis. Scand J Med Sci Sports. 2020;30(8):1298–1317. DOI: 10.1111/sms.13675Vikne H, Strøm V, Pripp AH, Gjøvaag T. Human skeletal muscle fiber type percentage and area after reduced muscle use: a systematic review and meta-analysis. Scand J Med Sci Sports. 2020;30(8):1298–1317. DOI: 10.1111/sms.13675Leek JT, Scharpf RB, Corrada Bravo H, Simcha D, Langmead B, Johnson WE, et al. Tackling the widespread and critical impact of batch effects in high-throughput data. Nat Rev Genet. 2010;11(10):733–739. DOI: 10.1038/nrg2825Leek JT, Scharpf RB, Corrada Bravo H, Simcha D, Langmead B, Johnson WE, et al. Tackling the widespread and critical impact of batch effects in high-throughput data. Nat Rev Genet. 2010;11(10):733–739. DOI: 10.1038/nrg2825Van de Casteele F, Van Thienen R, Horwath O, Van der Stede T, Van Leemputte M, De Groote L, et al. Muscle fiber typing technologies: agreement between immunohistochemistry and single fiber SDS-PAGE in human skeletal muscle. Physiol Genomics. 2024;56(5):189–201. DOI: 10.1152/physiolgenomics.00196.2024Van de Casteele F, Van Thienen R, Horwath O, Van der Stede T, Van Leemputte M, De Groote L, et al. Muscle fiber typing technologies: agreement between immunohistochemistry and single fiber SDS-PAGE in human skeletal muscle. Physiol Genomics. 2024;56(5):189–201. DOI: 10.1152/physiolgenomics.00196.2024Li H, Durbin R. Fast and accurate long-read alignment with Burrows–Wheeler transform. Bioinformatics. 2010;26(5):589–595. DOI: 10.1093/bioinformatics/btp698Li H, Durbin R. Fast and accurate long-read alignment with Burrows–Wheeler transform. Bioinformatics. 2010;26(5):589–595. DOI: 10.1093/bioinformatics/btp698Kim D, Paggi JM, Park C, Bennett C, Salzberg SL. Graph-based genome alignment and genotyping with HISAT2 and HISAT-genotype. Nat Biotechnol. 2019;37(8):907–915. DOI: 10.1038/s41587-019-0201-4Kim D, Paggi JM, Park C, Bennett C, Salzberg SL. Graph-based genome alignment and genotyping with HISAT2 and HISAT-genotype. Nat Biotechnol. 2019;37(8):907–915. DOI: 10.1038/s41587-019-0201-4Kouno T, Moody J, Kwon ATJ, Shibayama Y, Kato S, Huang Y, et al. C1 CAGE detects transcription start sites and enhancer activity at single-cell resolution. Nat Commun. 2019;10(1):360. DOI: 10.1038/s41467-018-08126-5Kouno T, Moody J, Kwon ATJ, Shibayama Y, Kato S, Huang Y, et al. C1 CAGE detects transcription start sites and enhancer activity at single-cell resolution. Nat Commun. 2019;10(1):360. DOI: 10.1038/s41467-018-08126-5RIKEN. ZENBU Wiki: OSCtable (n.d.). https://zenbu-wiki.gsc.riken.jp/zenbu/wiki/index.php/OSCtable [Accessed October 6, 2025]RIKEN. ZENBU Wiki: OSCtable (n.d.). https://zenbu-wiki.gsc.riken.jp/zenbu/wiki/index.php/OSCtable [Accessed October 6, 2025]Heart Cell Atlas. Heart Cell Atlas v1: Cells of the adult human heart (n.d.). https://www.heartcellatlas.org/v1.html [Accessed October 6, 2025]Heart Cell Atlas. Heart Cell Atlas v1: Cells of the adult human heart (n.d.). https://www.heartcellatlas.org/v1.html [Accessed October 6, 2025]Litviňuková M, Talavera-López C, Maatz H, Reichart D, Worth CL, Lindberg EL, et al. Cells of the adult human heart. Nature. 2020;588(7838):466–472. DOI: 10.1038/s41586-020-2797-4Litviňuková M, Talavera-López C, Maatz H, Reichart D, Worth CL, Lindberg EL, et al. Cells of the adult human heart. Nature. 2020;588(7838):466–472. DOI: 10.1038/s41586-020-2797-4Li Y, Ma Q, Shi X, Yuan W, Liu G, Wang C. Comparative transcriptome analysis of slow-twitch and fast-twitch muscles in Dezhou donkeys. Genes (Basel). 2022;13(9):1610. DOI: 10.3390/genes13091610Li Y, Ma Q, Shi X, Yuan W, Liu G, Wang C. Comparative transcriptome analysis of slow-twitch and fast-twitch muscles in Dezhou donkeys. Genes (Basel). 2022;13(9):1610. DOI: 10.3390/genes13091610Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez J-C, Müller M. pROC: an opensource package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics. 2011;12:77. DOI: 10.1186/1471-2105-12-77Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez J-C, Müller M. pROC: an opensource package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics. 2011;12:77. DOI: 10.1186/1471-2105-12-77Chen Y, Chen L, Lun ATL, Baldoni P, Smyth GK. edgeR v4: powerful differential analysis of sequencing data with expanded functionality and improved support for small counts and larger datasets. Nucleic Acids Res. 2025;53(2):gkaf018. DOI: 10.1093/nar/gkaf018Chen Y, Chen L, Lun ATL, Baldoni P, Smyth GK. edgeR v4: powerful differential analysis of sequencing data with expanded functionality and improved support for small counts and larger datasets. Nucleic Acids Res. 2025;53(2):gkaf018. DOI: 10.1093/nar/gkaf018Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141Forrest ARR, Kawaji H, Rehli M, Baillie JK, de Hoon MJL, Haberle V, et al. A promoter-level mammalian expression atlas. Nature. 2014;507(7493):462–470. DOI: 10.1038/nature13182Forrest ARR, Kawaji H, Rehli M, Baillie JK, de Hoon MJL, Haberle V, et al. A promoter-level mammalian expression atlas. Nature. 2014;507(7493):462–470. DOI: 10.1038/nature13182intus SS, Akberdin IR, Yevshin I, Makhnovskii P, Tyapkina O, Nigmetzyanov I, et al. Genome-wide atlas of promoter expression reveals contribution of transcribed regulatory elements to genetic control of disuse-mediated atrophy of skeletal muscle. Biology. 2021;10(6):557. DOI: 10.3390/biology10060557intus SS, Akberdin IR, Yevshin I, Makhnovskii P, Tyapkina O, Nigmetzyanov I, et al. Genome-wide atlas of promoter expression reveals contribution of transcribed regulatory elements to genetic control of disuse-mediated atrophy of skeletal muscle. Biology. 2021;10(6):557. DOI: 10.3390/biology10060557Andersson R, Gebhard C, Miguel-Escalada I, Hoof I, Bornholdt J, Boyd M, et al. An atlas of active enhancers across human cell types and tissues. Nature. 2014;507(7493):455–461. DOI: 10.1038/nature12787Andersson R, Gebhard C, Miguel-Escalada I, Hoof I, Bornholdt J, Boyd M, et al. An atlas of active enhancers across human cell types and tissues. Nature. 2014;507(7493):455–461. DOI: 10.1038/nature12787Noguchi S, Arakawa T, Fukuda S, Furuno M, Hasegawa A, Hori F, et al. FANTOM5 CAGE profiles of human and mouse samples. Sci Data. 2017;4:170112. DOI: 10.1038/sdata.2017.112Noguchi S, Arakawa T, Fukuda S, Furuno M, Hasegawa A, Hori F, et al. FANTOM5 CAGE profiles of human and mouse samples. Sci Data. 2017;4:170112. DOI: 10.1038/sdata.2017.112Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956Murach KA, Dungan CM, Kosmac K, Voigt TB, Tourville TW, Miller MS, et al. Fiber typing human skeletal muscle with fluorescent immunohistochemistry. J Appl Physiol. 2019;127(6):1632–1639. DOI: 10.1152/japplphysiol.00624.2019Murach KA, Dungan CM, Kosmac K, Voigt TB, Tourville TW, Miller MS, et al. Fiber typing human skeletal muscle with fluorescent immunohistochemistry. J Appl Physiol. 2019;127(6):1632–1639. DOI: 10.1152/japplphysiol.00624.2019Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956Van de Casteele F, Van Thienen R, Horwath O, Apró W, Van der Stede T, et al. Does one biopsy cut it? Revisiting human muscle fiber type composition variability using repeated biopsies in the vastus lateralis and gastrocnemius medialis. J Appl Physiol. 2024;137(5):1341–1353. DOI: 10.1152/japplphysiol.00394.2024Van de Casteele F, Van Thienen R, Horwath O, Apró W, Van der Stede T, et al. Does one biopsy cut it? Revisiting human muscle fiber type composition variability using repeated biopsies in the vastus lateralis and gastrocnemius medialis. J Appl Physiol. 2024;137(5):1341–1353. DOI: 10.1152/japplphysiol.00394.2024Kohn TA, Myburgh KH. Electrophoretic separation of human skeletal muscle myosin heavy chain isoforms: the importance of reducing agents. J Physiol Sci. 2006;56(5):355–360. DOI: 10.2170/physiolsci.RP007706Kohn TA, Myburgh KH. Electrophoretic separation of human skeletal muscle myosin heavy chain isoforms: the importance of reducing agents. J Physiol Sci. 2006;56(5):355–360. DOI: 10.2170/physiolsci.RP007706Tikunov BA, Sweeney HL, Rome LC. Quantitative electrophoretic analysis of myosin heavy chains in single muscle fibers. J Appl Physiol. 2001;90(5):1927–1935. DOI: 10.1152/jappl.2001.90.5.1927Tikunov BA, Sweeney HL, Rome LC. Quantitative electrophoretic analysis of myosin heavy chains in single muscle fibers. J Appl Physiol. 2001;90(5):1927–1935. DOI: 10.1152/jappl.2001.90.5.1927Avila Cobos F, Alquicira-Hernandez J, Powell JE, Mestdagh P, De Preter K. Benchmarking of cell type deconvolution pipelines for transcriptomics data. Nat Commun. 2020;11(1):5650. DOI: 10.1038/s41467-020-19015-1Avila Cobos F, Alquicira-Hernandez J, Powell JE, Mestdagh P, De Preter K. Benchmarking of cell type deconvolution pipelines for transcriptomics data. Nat Commun. 2020;11(1):5650. DOI: 10.1038/s41467-020-19015-1Rubenstein AB, Smith GR, Raue U, Begue G, Minchev K, Ruf-Zamojski F, et al. Single-cell transcriptional profiles in human skeletal muscle. Sci Rep. 2020;10(1):229. DOI: 10.1038/s41598-019-57110-6Rubenstein AB, Smith GR, Raue U, Begue G, Minchev K, Ruf-Zamojski F, et al. Single-cell transcriptional profiles in human skeletal muscle. Sci Rep. 2020;10(1):229. DOI: 10.1038/s41598-019-57110-6Dos Santos M, Backer S, Saintpierre B, Izac B, Andrieu M, Letourneur F, et al. Single-nucleus RNA-seq and FISH identify coordinated transcriptional activity in mammalian myofibers. Nat Commun. 2020;11(1):5102. DOI: 10.1038/s41467-020-18789-8Dos Santos M, Backer S, Saintpierre B, Izac B, Andrieu M, Letourneur F, et al. Single-nucleus RNA-seq and FISH identify coordinated transcriptional activity in mammalian myofibers. Nat Commun. 2020;11(1):5102. DOI: 10.1038/s41467-020-18789-8Newman AM, Liu CL, Green MR, Gentles AJ, Feng W, Xu Y, et al. Robust enumeration of cell subsets from tissue expression profiles. Nat Methods. 2015;12(5):453–457. DOI: 10.1038/nmeth.3337Newman AM, Liu CL, Green MR, Gentles AJ, Feng W, Xu Y, et al. Robust enumeration of cell subsets from tissue expression profiles. Nat Methods. 2015;12(5):453–457. DOI: 10.1038/nmeth.3337Lexell J, Henriksson-Larsén K, Sjöström M. Distribution of different fibre types in human skeletal muscles. 2. A study of cross-sections of whole m. vastus lateralis. Acta Physiol Scand. 1983;117(1):115–122. DOI: 10.1111/j.1748-1716.1983.tb07185.xLexell J, Henriksson-Larsén K, Sjöström M. Distribution of different fibre types in human skeletal muscles. 2. A study of cross-sections of whole m. vastus lateralis. Acta Physiol Scand. 1983;117(1):115–122. DOI: 10.1111/j.1748-1716.1983.tb07185.xZhang MY, Zhang WJ, Medler S. The continuum of hybrid IIX/IIB fibers in normal mouse muscles: MHC isoform proportions and spatial distribution within single fibers. Am J Physiol Regul Integr Comp Physiol. 2010;299(6):R1582–R1591. DOI: 10.1152/ajpregu.00402.2010Zhang MY, Zhang WJ, Medler S. The continuum of hybrid IIX/IIB fibers in normal mouse muscles: MHC isoform proportions and spatial distribution within single fibers. Am J Physiol Regul Integr Comp Physiol. 2010;299(6):R1582–R1591. DOI: 10.1152/ajpregu.00402.2010Blemker SS, Brooks SV, Esser KA, Saul KR. Fiber-type traps: revisiting common misconceptions about skeletal muscle fiber types with application to motor control, biomechanics, physiology, and biology. J Appl Physiol. 2024;136(1):109–121. DOI: 10.1152/japplphysiol.00337.2023Blemker SS, Brooks SV, Esser KA, Saul KR. Fiber-type traps: revisiting common misconceptions about skeletal muscle fiber types with application to motor control, biomechanics, physiology, and biology. J Appl Physiol. 2024;136(1):109–121. DOI: 10.1152/japplphysiol.00337.2023

The authors declare that there are no conflicts of interest present.