Caffeine, CYP1A2 Genotype, and Endurance Performance in Athletes
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
PURPOSE: Many studies have examined the effect of caffeine on exercise performance, but findings have not always been consistent. The objective of this study was to determine whether variation in the CYP1A2 gene, which affects caffeine metabolism, modifies the ergogenic effects of caffeine in a 10-km cycling time trial. METHODS: Competitive male athletes (n = 101; age = 25 ± 4 yr) completed the time trial under three conditions: 0, 2, or 4 mg of caffeine per kilogram body mass, using a split-plot randomized, double-blinded, placebo-controlled design. DNA was isolated from saliva and genotyped for the -163A > C polymorphism in the CYP1A2 gene (rs762551). RESULTS: Overall, 4 mg·kg caffeine decreased cycling time by 3% (mean ± SEM) versus placebo (17.6 ± 0.1 vs 18.1 ± 0.1 min, P = 0.01). However, a significant (P <0.0001) caffeine-gene interaction was observed. Among those with the AA genotype, cycling time decreased by 4.8% at 2 mg·kg (17.0 ± 0.3 vs 17.8 ± 0.4 min, P = 0.0005) and by 6.8% at 4 mg·kg (16.6 ± 0.3 vs 17.8 ± 0.4 min, P < 0.0001). In those with the CC genotype, 4 mg·kg increased cycling time by 13.7% versus placebo (20.8 ± 0.8 vs 18.3 ± 0.5 min, P = 0.04). No effects were observed among those with the AC genotype. CONCLUSION: Our findings show that both 2 and 4 mg·kg caffeine improve 10-km cycling time, but only in those with the AA genotype. Caffeine had no effect in those with the AC genotype and diminished performance at 4 mg·kg in those with the CC genotype. CYP1A2 genotype should be considered when deciding whether an athlete should use caffeine for enhancing endurance performance.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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