Plant-based food patterns to stimulate muscle protein synthesis and support muscle mass in humans: a narrative review
Notice bibliographique
Résumé
The interest in a diet with a higher proportion of plant-based foods to animal-based foods is a global food pattern trend. However, there are concerns regarding adopting plants as the main dietary protein source to support muscle protein synthesis (MPS) and muscle mass. These concerns are centered on three issues: lower protein bioavailability due to antinutritional compounds in plants, lower per-serve scores of protein at similar energy intake, and amino acid scores of plants being lower than optimal. We aimed here to synthesize and discuss evidence around plant protein in human nutrition focusing on the capacity of these proteins to stimulate MPS as a key part of gaining or maintaining muscle mass. In this review, we addressed the issues of plant protein quality and provided evidence for how plant proteins can be made more effective to stimulate MPS and support muscle mass in partial or total replacement of consumption of products of animal origin. Novelty: Plant proteins are known, in general, to have lower protein quality scores than animal proteins, and this may have important implications, especially for those aiming to increase their skeletal muscle mass through exercise. A plant-based diet has been postulated to have lower protein quality limiting MPS responses and potentially compromising exercise-induced gains in muscle mass. Current evidence shows that plant proteins can stimulate MPS, as can whole foods, especially when combining food groups, increasing portion sizes, and optimizing amino acid bioavailability through processing or common preparation methods.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».