Adaptive responses to creatine loading and exercise in fast-twitch rat skeletal muscle
Notice bibliographique
Résumé
We investigated the effects of chronic creatine loading and voluntary running (Run) on muscle fiber types, proteins that regulate intracellular Ca2+, and the metabolic profile in rat plantaris muscle to ascertain the bases for our previous observations that creatine loading results in a higher proportion of myosin heavy chain (MHC) IIb, without corresponding changes in contractile properties. Forty Sprague-Dawley rats were assigned to one of four groups: creatine-fed sedentary, creatine-fed run-trained, control-fed sedentary, and control-fed run-trained animals. Proportion and cross-sectional area increased 10% and 15% in type IIb fibers and the proportion of type IIa fibers decreased 11% in the creatine-fed run-trained compared with the control-fed run-trained group (P < 0.03). No differences were observed in fast Ca2+-ATPase isoform SERCA1 content (P > 0.49). Creatine feeding alone induced a 41% increase (P < 0.03) in slow Ca2+-ATPase (SERCA2) content, which was further elevated by 33% with running (P < 0.02). Run training alone reduced parvalbumin content by 50% (P < 0.05). By comparison, parvalbumin content was dramatically decreased by 75% (P < 0.01) by creatine feeding alone but was not further reduced by run training. These adaptive changes indicate that elevating the capacity for high-energy phosphate shuttling, through creatine loading, alleviates the need for intracellular Ca2+ buffering by parvalbumin and increases the efficiency of Ca2+ uptake by SERCAs. Citrate synthase and 3-hydroxyacyl-CoA dehydrogenase activities were elevated by run training (P < 0.003) but not by run training + creatine feeding. This indicates that creatine loading during run training supports a faster muscle phenotype that is adequately supported by the existing glycolytic potential, without changes in the capacity for terminal substrate oxidation.
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) | 0,001 | 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 ».