Pro- and macroglycogenolysis: relationship with exercise intensity and duration
Notice bibliographique
Résumé
We examined the net catabolism of two pools of glycogen, proglycogen (PG) and macroglycogen (MG), in human skeletal muscle during exercise. Male subjects (n = 21) were assigned to one of three groups. Group 1 exercised 45 min at 70% maximal O(2) uptake (VO(2 max)) and had muscle biopsies at rest, 15 min, and 45 min. Group 2 exercised at 85% VO(2 max) to exhaustion (45.4 +/- 3.4 min) and had biopsies at rest, 10 min, and exhaustion. Group 3 performed three 3-min bouts of exercise at 100% VO(2 max) separated by 6 min of rest. Biopsies were taken at rest and after each bout. Group 1 had small MG and PG net glycogenolysis rates (ranging from 3.8 +/- 1.0 to 2.4 +/- 0.6 mmol glucosyl units. kg(-1). min(-1)) that did not change over time. In group 2, the MG glycogenolysis rate remained low and unchanged over time, whereas the PG rate was initially elevated (11.3 +/- 2.3 mmol glucosyl units. kg(-1). min(-1)) and declined (P < or = 0.05) with time. During the first 10 min, PG concentration ([PG]) declined (P < or = 0.05), whereas MG concentration ([MG]) did not. Similarly, in group 3, in both the first and the second bouts of exercise [PG] declined (P < or = 0.05) and [MG] did not, although by the end of the second exercise period the [MG] was lower (P < or = 0.05) than the rest level. The net catabolic rates for PG in the first two exercises were 22.6 +/- 6.8 and 21.8 +/- 8.2 mmol glucosyl units. kg(-1). min(-1), whereas the corresponding values for MG were 17.6 +/- 6.0 and 10.8 +/- 5.6. The MG pool appeared to be more resistant to mobilization, and, when activated, its catabolism was inhibited more rapidly than that of PG. This suggests that the metabolic regulation of the two pools must be different.
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 ».