Influence of weighted downhill running training on serial sarcomere number and work loop performance in the rat soleus
Notice bibliographique
Résumé
Increased serial sarcomere number (SSN) has been observed in rats following downhill running training due to the emphasis on active lengthening contractions; however, little is known about the influence on dynamic contractile function. Therefore, we employed 4 weeks of weighted downhill running training in rats, then assessed soleus SSN and work loop performance. We hypothesised trained rats would produce greater net work output during work loops due to a greater SSN. Thirty-one Sprague-Dawley rats were assigned to a training or sedentary control group. Weight was added during downhill running via a custom-made vest, progressing from 5-15% body mass. Following sacrifice, the soleus was dissected, and a force-length relationship was constructed. Work loops (cyclic muscle length changes) were then performed about optimal muscle length (LO) at 1.5-3-Hz cycle frequencies and 1-7-mm length changes. Muscles were then fixed in formalin at LO. Fascicle lengths and sarcomere lengths were measured to calculate SSN. Intramuscular collagen content and crosslinking were quantified via a hydroxyproline content and pepsin-solubility assay. Trained rats had longer fascicle lengths (+13%), greater SSN (+8%), and a less steep passive force-length curve than controls (P<0.05). There were no differences in collagen parameters (P>0.05). Net work output was greater (+78-209%) in trained than control rats for the 1.5-Hz work loops at 1 and 3-mm length changes (P<0.05), however, net work output was more related to maximum specific force (R2=0.17-0.48, P<0.05) than SSN (R2=0.03-0.07, P=0.17-0.86). Therefore, contrary to our hypothesis, training-induced sarcomerogenesis likely contributed little to the improvements in work loop performance. This article has an associated First Person interview with the first author of the paper.
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 ».