Mechanism of insulin's anabolic effect on muscle: measurements of muscle protein synthesis and breakdown using aminoacyl-tRNA and other surrogate measures
Notice bibliographique
Résumé
Despite being an anabolic hormone in skeletal muscle, insulin's anticatabolic mechanism in humans remains controversial, with contradictory reports showing either stimulation of protein synthesis (PS) or inhibition of protein breakdown (PB) by insulin. Earlier measurements of muscle PS and PB in humans have relied on different surrogate measures of aminoacyl-tRNA and intracellular pools. We report that insulin's effect on muscle protein turnover using aminoacyl-tRNA as the precursor of PS and PB is calculated by mass balance of tracee amino acid (AA). We compared the results calculated from various surrogate measures. To determine the physiological role of insulin on muscle protein metabolism, we infused tracers of leucine and phenylalanine into 18 healthy subjects, and after 3 h, 10 subjects received a 4-h femoral arterial infusion of insulin (0.125 mUxkg(-1)xmin(-1)), while eight subjects continued with saline. Tracer-to-tracee ratios of leucine, phenylalanine, and ketoisocaproate were measured in the arterial and venous plasma, muscle tissue fluid, and AA-tRNA to calculate muscle PB and PS. Insulin infusion, unlike saline, significantly reduced the efflux of leucine and phenylalanine from muscle bed, based on various surrogate measures which agreed with those based on leucyl-tRNA (-28%), indicating a reduction in muscle PB (P < 0.02) without any significant effect on muscle PS. In conclusion, using AA-tRNA as the precursor pool, it is demonstrated that, in healthy humans in the postabsorptive state, insulin does not stimulate muscle protein synthesis and confirmed that insulin achieves muscle protein anabolism by inhibition of muscle protein breakdown.
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 | 0,001 |
| 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 ».