Exercise plasma metabolomics and xenometabolomics in obese, sedentary, insulin-resistant women: impact of a fitness and weight loss intervention
Notice bibliographique
Résumé
Insulin resistance has wide-ranging effects on metabolism, but there are knowledge gaps regarding the tissue origins of systemic metabolite patterns and how patterns are altered by fitness and metabolic health. To address these questions, plasma metabolite patterns were determined every 5 min during exercise (30 min, ∼45% of V̇o 2peak , ∼63 W) and recovery in overnight-fasted sedentary, obese, insulin-resistant women under controlled conditions of diet and physical activity. We hypothesized that improved fitness and insulin sensitivity following a ∼14-wk training and weight loss intervention would lead to fixed workload plasma metabolomics signatures reflective of metabolic health and muscle metabolism. Pattern analysis over the first 15 min of exercise, regardless of pre- versus postintervention status, highlighted anticipated increases in fatty acid tissue uptake and oxidation (e.g., reduced long-chain fatty acids), diminution of nonoxidative fates of glucose [e.g., lowered sorbitol-pathway metabolites and glycerol-3-galactoside (possible glycerolipid synthesis metabolite)], and enhanced tissue amino acid use (e.g., drops in amino acids; modest increase in urea). A novel observation was that exercise significantly increased several xenometabolites (“non-self” molecules, from microbes or foods), including benzoic acid-salicylic acid-salicylaldehyde, hexadecanol-octadecanol-dodecanol, and chlorogenic acid. In addition, many nonannotated metabolites changed with exercise. Although exercise itself strongly impacted the global metabolome, there were surprisingly few intervention-associated differences despite marked improvements in insulin sensitivity, fitness, and adiposity. These results and previously reported plasma acylcarnitine profiles support the principle that most metabolic changes during submaximal aerobic exercise are closely tethered to absolute ATP turnover rate (workload), regardless of fitness or metabolic health status.
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 ».