Whole Blood Transcriptomics and Urinary Metabolomics to Define Adaptive Biochemical Pathways of High-Intensity Exercise in 50-60 Year Old Masters Athletes
Notice bibliographique
Résumé
Exercise is beneficial for a variety of age-related disorders. However, the molecular mechanisms mediating the beneficial adaptations to exercise in older adults are not well understood. The aim of the current study was to utilize a dual approach to characterize the genetic and metabolic adaptive pathways altered by exercise in veteran athletes and age-matched untrained individuals. Two groups of 50-60 year old males: competitive cyclists (athletes, n = 9; VO2peak 59.1±5.2 ml·kg(-1)·min(-1); peak aerobic power 383±39 W) and untrained, minimally active individuals (controls, n = 8; VO2peak 35.9±9.7 ml·kg(-1)·min(-1); peak aerobic power 230±57 W) were examined. All participants completed an acute bout of submaximal endurance exercise, and blood and urine samples pre- and post-exercise were analyzed for gene expression and metabolic changes utilizing genome-wide DNA microarray analysis and NMR spectroscopy-based metabolomics, respectively. Our results indicate distinct differences in gene and metabolite expression involving energy metabolism, lipids, insulin signaling and cardiovascular function between the two groups. These findings may lead to new insights into beneficial signaling pathways of healthy aging and help identify surrogate markers for monitoring exercise and training load.
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) | 0,001 | 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 ».