The Effects of Creatine and Chronic Low Frequency Stimulation on Muscle Fiber Cross-Sectional Area
Notice bibliographique
Résumé
We have shown that creatine (Cr) loading of rat muscle attenuates fast-to-slow fiber type transformations in plantaris after wheel running and in tibiailis anterior (TA) after chronic low frequency stimulation (CLFS). A model of muscle endurance training, CLFS alone also induces decreases in fiber cross-sectional areas (CSA's). PURPOSE: To test the hypothesis that attenuated fast-to-slow fiber type transformations in Cr loaded rat TA after 10-days(d) of CLFS will correspond to larger CSA of type II fibers. METHODS: Sprague-Dawley rats were randomly assigned to one of four groups: Cr + CLFS (Cr-Stim), CLFS (Con-Stim), Cr + sham (Cr-Sham) or sham (Con-Sham). CLFS (10 Hz, 10 h daily, impulse width 380 μs) was applied to the left TA via electrodes implanted across the common peroneal nerve; the right contralateral TA served as an internal control. Animals in the Cr groups consumed a solution of 1% Cr in 5% dextrose for 10-d before CLFS began and during 10-d of CLFS; control groups received 5% dextrose. Standardized regions of serial sections of left and right TA's were immunohistochemically stained for adult myosin heavy chain (MyHC) isoforms and CSA's were quantified. Group differences were assessed using multi-factorial ANOVA and Tukey HSD post hoc. RESULTS: The CSA of pooled type-II fibers was 18% lower (p< 0.05) in stimulated TA's (i.e., Con-Stim), compared with contralateral controls. Importantly, this effect was absent in the Cr-Stim group. Further analysis revealed the effect was greatest within the type-IID/X fiber population, where a 24% decrease (p< 0.05) in CSA was noted in Con-Stim, while no difference was detected between stimulated and unstimulated TA's within the Cr-Stim group. Our morphological findings are consistent with measured 6% (p< 0.05) and 30% (p< 0.05) increases in whole muscle MyHC-IId/x protein and mRNA contents, respectively. CONCLUSION: Cr loading of fast-twitch muscle during endurance training exerts a protective effect on IID/X fibers. Funded by NSERC and AHFMR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».