Influence of Adiposity in the Blunted Whole-Body Protein Anabolic Response to Insulin With Aging
Notice bibliographique
Résumé
BACKGROUND: Although insulin resistance of glucose is often reported with aging, that of protein metabolism is still debated. We tested if the insulin sensitivity of protein metabolism parallels that of glucose and is altered with aging. METHODS: Whole-body (13)C-leucine and (3)H-glucose kinetics were measured in the postabsorptive state and during an hyperinsulinemic, euglycemic, isoaminoacidemic clamp in 12 young men (age: 27 +/- 1 years; body mass index [BMI]: 23 +/- 1 kg/m(2)), 11 young women (age: 25 +/- 1 years; BMI: 21 +/- 1 kg/m(2)), 9 elderly men (age: 70 +/- 1 years; BMI: 26 +/- 1 kg/m(2)), and 10 elderly women (age: 69 +/- 2 years; BMI: 23 +/- 1 kg/m(2)). RESULTS: Postabsorptive leucine flux rates adjusted for fat-free mass (FFM) were not different between elderly and young participants. During the clamp, leucine flux and protein synthesis rates increased less in the elderly participants, and protein breakdown decreased equally. Thus, the net anabolic (protein balance) response to hyperinsulinemia was lower in elderly versus young participants (p =.007) and was highly correlated with the clamp glucose rate of disposal (r = 0.671, p <.001), indicating insulin resistance of protein concurrent with that of glucose. From regression analysis, FFM explained 73% of the variance in the anabolic response. Age explained an additional 3%, but was accounted for by markers of adiposity. FFM and percent body fat collectively explained 79% of the variance. CONCLUSION: Both reduction in absolute FFM and increased adiposity, intrinsic to the aging process, are associated with an altered anabolic action of insulin in stimulating protein synthesis. This alteration may contribute to the progressive muscle loss with aging.
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 | 0,001 | 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 ».