Pro- and macroglycogenolysis during repeated exercise: roles of glycogen content and phosphorylase activation
Notice bibliographique
Résumé
This study examined the relationship between preexercise muscle glycogen content and glycogen utilization in two physiological pools, pro- (PG) and macroglycogen (MG). Male subjects (n = 6) completed an exercise and dietary protocol before the experiment that resulted in one leg with high glycogen (HL) and one with low glycogen (LL). Preexercise PG levels were 312 +/- 29 and 208 +/- 31 glucosyl units/kg dry wt (dw) (P < or = 0.05) in the HL and LL, respectively, and the corresponding values for MG were 125 +/- 37 and 89 +/- 43 mmol glucosyl units/kg dw (P < or = 0.05). Subjects then performed two 90-s exercise bouts at 130% maximal oxygen uptake separated by a 10-min rest period. Biopsies were obtained at rest and after each exercise bout. Preexercise glycogen concentration was correlated to net glycogenolysis for both PG and MG for bout 1 and bouts 1 and 2 (r < or = 0.60). In bout 1, there was no difference in the rate of PG or MG catabolism between HL and LL despite a 26% increase (P < or = 0.05) in glycogen phosphorylase transformation (phos a %) in the HL. In the second bout, more PG was catabolized in the HL vs. LL (38 +/- 9 vs. 9 +/- 6 mmol glucosyl units. kg dw(-1). min(-1)) (P < or = 0.05) with no difference between legs in phos a %. phos a % was increased in HL vs. LL but does not necessarily increase glycogenolysis in either PG or MG. Despite both legs performing the same exercise and having identical metabolic demands, the HL catabolized 2.3 (P < or = 0.05) times more PG and 1.5 (P < or = 0.05) times more MG vs. LL in bouts 1 and 2, indicating that preexercise glycogen concentration is a regulator of glycogenolysis.
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) | 0,000 | 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) | 0,001 | 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 ».