Impact of a single bout of high-intensity interval exercise and short-term interval training on interleukin-6, FNDC5, and METRNL mRNA expression in human skeletal muscle
Notice bibliographique
Résumé
Background Exercise promotes numerous phenotypic adaptations in skeletal muscle that contribute to improved function and metabolic capacity. An emerging body of evidence suggests that skeletal muscle also releases a myriad of factors during exercise, termed “myokines”. The purpose of this study was to examine the effects of high-intensity interval training (HIIT) on the acute regulation of the mRNA expression of several myokines, including the prototypical myokine interleukin-6 (IL-6), and recently identified myokines fibronectin type III domain-containing protein 5 (FNDC5) (irisin) and meteorin-like protein (METRNL). Methods Both before and after a 20-day period of twice-daily high-volume HIIT, 9 healthy males (20.5 ± 1.5 years performed a standardized bout of high-intensity interval exercise (HIIE; 5 × 4 min at ~80% pretraining peak power output) with skeletal muscle biopsy samples (vastus lateralis) obtained at rest, immediately following exercise, and at 3 h recovery. Results Before training, a single bout of HIIE increased IL-6 ( p < 0.05) and METRNL ( p < 0.05) mRNA expression measured at 3 h recovery when compared to rest. Following 20 days of HIIT, IL-6 and FNDC5 mRNA were increased at 3 h recovery from the standardized HIIE bout when compared to rest (both p < 0.05). Resting METRNL and FNDC5 mRNA expression were higher following training ( p < 0.05), and there was an overall increase in FNDC5 mRNA post-training (main effect of training, p < 0.05). Conclusion In human skeletal muscle (1) an acute bout of HIIE can induce upregulation of skeletal muscle IL-6 mRNA both before and after a period of intensified HIIT; (2) Resting and overall FNDC5 mRNA expression is increased by 20 days of HIIT; and (3) METRNL mRNA expression is responsive to both acute HIIE and short-term intense HIIT. Future studies are needed to confirm these findings at the protein and secretion level in humans.
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 ».