Dissociation of Increases in PGC-1α and Its Regulators from Exercise Intensity and Muscle Activation Following Acute Exercise
Notice bibliographique
Résumé
Muscle activation as well as changes in peroxisome proliferator-activated receptor gamma coactivator 1 alpha (PGC-1α) following high-intensity interval exercise (HIIE) were examined in young healthy men (n = 8; age, 21.9±2.2 yrs; VO2peak, 53.1±6.4 ml/min/kg; peak work rate, 317±23.5 watts). On each of 3 visits HIIE was performed on a cycle ergometer at a target intensity of 73, 100, or 133% of peak work rate. Muscle biopsies were taken at rest and three hours after each exercise condition. Total work was not different between conditions (∼730 kJ) while average power output (73%, 237±21; 100%, 323±26; 133%, 384±35 watts) and EMG derived muscle activation (73%, 1262±605; 100%, 2089±737; 133%, 3029±1206 total integrated EMG per interval) increased in an intensity dependent fashion. PGC-1α mRNA was elevated after all three conditions (p<0.05), with a greater increase observed following the 100% condition (∼9 fold, p<0.05) compared to both the 73 and 133% conditions (∼4 fold). When expressed relative to muscle activation, the increase in PGC-1α mRNA for the 133% condition was less than that for the 73 and 100% conditions (p<0.05). SIRT1 mRNA was also elevated after all three conditions (∼1.4 fold, p<0.05), with no difference between conditions. These findings suggest that intensity-dependent increases in PGC-1α mRNA following submaximal exercise are largely due to increases in muscle recruitment. As well, the blunted response of PGC-1α mRNA expression following supramaximal exercise may indicate that signalling mediated activation of PGC-1α may also be blunted. We also indentify that increases in PDK4, SIRT1, and RIP140 mRNA following acute exercise are dissociated from exercise intensity and muscle activation, while increases in EGR1 are augmented with supramaximal HIIE (p<0.05).
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 ».