The effects of chronic exercise on the inflammatory cytokines interleukin-6 and tumor necrosis factor-α are different with age
Notice bibliographique
Résumé
Aging is associated with chronic low-grade inflammation, and interleukin-6 (IL-6) and tumor necrosis factor-α (TNF-α) are key mediators of the inflammatory process. IL-6, especially muscle-derived IL-6, is expected to mediate the beneficial metabolic effects of exercise. There was no report that directly compares the effects of chronic endurance exercise on cytokine responses between old and young subjects in the same situation. Therefore, we compared the effects of endurance exercise on the expression of IL-6 and TNF-α in old and young rats. Young (3-month-old) and old (20-month-old) male Fisher rats were trained for 12 weeks on the treadmill. We measured serum TNF-α and IL-6 concentrations by enzyme-linked immunosorbent assay and examined mRNA expression of TNF-α and IL-6 in muscle, liver, and white adipose tissue using reverse transcription - polymerase chain reaction. We found that old rats had higher basal IL-6 levels in the liver, as well as in the serum and the muscle. After chronic endurance exercise, young rats exhibited significant decreases in serum TNF-α levels and hepatic IL-6 expression. However, old rats exhibited no significant changes in either serum or tissue cytokine levels after endurance exercise. These findings suggest that chronic endurance exercise could influence the inflammatory response of hepatic tissues, as well as muscle, and that the effects of chronic endurance exercise on inflammatory cytokine levels are different between old and young rats and an exercise program tailored for old subjects will be needed to obtain beneficial anti-inflammatory effects from exercise.
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 | 0,001 |
| 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 ».