Spirulina liquid extract regulates gene expression related to glucose and lipid metabolisms of soleus muscle during exercise training in young male Wistar rats fed a high-fat diet
Notice bibliographique
Résumé
Metabolic disorders induced by high-fat diets (HFD) contribute to obesity, diabetes, and cardiovascular diseases. While Spirulina liquid extract (SLE) has shown promise in improving lipid accumulation and insulin resistance, in vivo evidence remains limited, particularly in combination with exercise. Muscle activity is a key regulator of metabolism, but the potential combined effect of SLE and physical training under HFD conditions has not been established. In this study, young male rats were fed a HFD (60 % energy from lipids) and assigned to four groups: HFD with 10% fructose (HF f ), HF f with SLE (HF f SP), HF f with exercise (HF f T), and HF f with both interventions (HF f SPT). Bodyweight (BW), lipid profiles, glycemia regulation, and gene expression in soleus muscle (SOL) of lipid and glucose metabolism were assessed. SLE reduced fasting glycemia compared to the HF f group (1.19-fold) and upregulated Gys1 (1.78-fold) and CPT1A expression (4.13-fold) in SOL. Training improved glucose tolerance, as reflected by reduced AUC (p = 0.01), and upregulated PGC1⍺ and CPT1A expression. The combined intervention (HF f SPT) decreased BW, increased HDL-cholesterol (1.62-fold), reduced the atherogenic index (AIP) (1.39-fold). During training conditions, PGC1⍺ expression was downregulated by SLE (3.03-fold), suggesting a possible interference with exercise-induced muscle adaptation. p38 MAPK, elevated by HFD, was downregulated by SLE, exercise, and their combination (3.20-, 5.14-, and 2.72-fold, respectively). Overall, these findings support the potential of SLE as a complementary strategy to exercise in attenuating HFD-induced metabolic dysfunctions, while also raising concerns about possible interference with training adaptations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».