Training intensity modulates changes in PGC‐1α and p53 protein content and mitochondrial respiration, but not markers of mitochondrial content in human skeletal muscle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exercise training has been associated with increased mitochondrial content and respiration. However, no study to date has compared in parallel how training at different intensities affects mitochondrial respiration and markers of mitochondrial biogenesis. Twenty-nine healthy men performed 4 wk (12 cycling sessions) of either sprint interval training [SIT; 4-10 × 30-s all-out bouts at ∼200% of peak power output (WPeak)], high-intensity interval training (HIIT; 4-7 × 4-min intervals at ∼90% WPeak), or sublactate threshold continuous training (STCT; 20-36 min at ∼65% WPeak). The STCT and HIIT groups were matched for total work. Resting biopsy samples (vastus lateralis) were obtained before and after training. The maximal mitochondrial respiration in permeabilized muscle fibers increased significantly only after SIT (25%). Similarly, the protein content of peroxisome proliferator-activated receptor γ coactivator (PGC)-1α, p53, and plant homeodomain finger-containing protein 20 (PHF20) increased only after SIT (60-90%). Conversely, citrate synthase activity, and the protein content of TFAM and subunits of the electron transport system complexes remained unchanged throughout. Our findings suggest that training intensity is an important factor that regulates training-induced changes in mitochondrial respiration and that there is an apparent dissociation between training-induced changes in mitochondrial respiration and mitochondrial content. Moreover, changes in the protein content of PGC-1α, p53, and PHF20 are more strongly associated with training-induced changes in mitochondrial respiration than mitochondrial content.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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 découle