Cold water immersion in recovery following a single bout resistance exercise suppresses mechanisms of <scp>miRNA</scp> nuclear export and maturation
Notice bibliographique
Résumé
Cold water immersion (CWI) following intense exercise is a common athletic recovery practice. However, CWI impacts muscle adaptations to exercise training, with attenuated muscle hypertrophy and increased angiogenesis. Tissue temperature modulates the abundance of specific miRNA species and thus CWI may affect muscle adaptations via modulating miRNA expression following a bout of exercise. The current study focused on the regulatory mechanisms involved in cleavage and nuclear export of mature miRNA, including DROSHA, EXPORTIN-5, and DICER. Muscle biopsies were obtained from the vastus lateralis of young males (n = 9) at rest and at 2, 4, and 48 h of recovery from an acute bout of resistance exercise, followed by either 10 min of active recovery (ACT) at ambient temperature or CWI at 10°C. The abundance of key miRNA species in the regulation of intracellular anabolic signaling (miR-1 and miR-133a) and angiogenesis (miR-15a and miR-126) were measured, along with several gene targets implicated in satellite cell dynamics (NCAM and PAX7) and angiogenesis (VEGF and SPRED-1). When compared to ACT, CWI suppressed mRNA expression of DROSHA (24 h p = 0.025 and 48 h p = 0.017), EXPORTIN-5 (24 h p = 0.008), and DICER (24 h p = 0.0034). Of the analyzed miRNA species, miR-133a (24 h p < 0.001 and 48 h p = 0.007) and miR-126 (24 h p < 0.001 and 48 h p < 0.001) remained elevated at 24 h post-exercise in the CWI trial only. Potential gene targets of these miRNA, however, did not differ between trials. CWI may therefore impact miRNA abundance in skeletal muscle, although the precise physiological relevance needs further investigation.
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) | 0,000 | 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 ».