Dysregulated Handling of Dietary Protein and Muscle Protein Synthesis After Mixed-Meal Ingestion in Maintenance Hemodialysis Patients
Notice bibliographique
Résumé
IntroductionSkeletal muscle loss is common in patients with renal failure who receive maintenance hemodialysis (MHD) therapy. Regular ingestion of protein-rich meals are recommended to help offset muscle protein loss in MHD patients, but little is known about the anabolic potential of this strategy.MethodsEight MHD patients (age: 56 ± 5 years; body mass index [BMI]: 32 ± 2 kg/m2) and 8 nonuremic control subjects (age: 50 ± 2 years: BMI: 31 ± 1 kg/m2) received primed continuous L-[ring-2H5]phenylalanine and L-[1-13C]leucine infusions with blood and muscle biopsy sampling on a nondialysis day. Participants consumed a mixed meal (546 kcal; 20-g protein, 59-g carbohydrates, 26-g fat) with protein provided as L-[5,5,5-2H3]leucine-labeled eggs.ResultsCirculating dietary amino acid availability was reduced in MHD patients (41 ± 5%) versus control subjects (61 ± 4%; P = 0.03). Basal muscle caspase-3 protein content was elevated (P = 0.03) and large neutral amino acid transporter 1 (LAT1) protein content was reduced (P = 0.02) in MHD patients versus control subjects. Basal muscle protein synthesis (MPS) was ∼2-fold higher in MHD patients (0.030 ± 0.005%/h) versus control subjects (0.014 ± 0.003%/h) (P = 0.01). Meal ingestion failed to increase MPS in MHD patients (absolute change from basal: 0.0003 ± 0.007%/h), but stimulated MPS in control subjects (0.009 ± 0.002%/h; P = 0.004).ConclusionsMHD patients demonstrated muscle anabolic resistance to meal ingestion. This blunted postprandial MPS response in MHD patients might be related to high basal MPS, which results in a stimulatory ceiling effect and/or reduced plasma dietary amino acid availability after mixed-meal ingestion.
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 | 0,000 | 0,001 |
| 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 ».