Jump to content
Forum Kopalni Wiedzy

Recommended Posts

Odkryto negatywny regulator wytrzymałości. Naukowcy z University of Pennsylvania ustalili, że nieobecność genu opisanego w artykule opublikowanym na łamach Journal of Clinical Investigation prowadzi u myszy do wzrostu wytrzymałości.

Amerykanie zaznaczają, że wyniki ich studium można wykorzystać do poprawy działania mięśni choćby w zaburzeniach metabolicznych, otyłości czy osłabionych w wyniku naturalnego starzenia.

Wykazaliśmy, że myszy pozbawione rzeczonego genu biegną 6 razy dłużej niż myszy kontrolne i że męczliwe mięśnie – szybkie mięśnie z przodu nóg – zostają przeprogramowane i stają zmęczeniooporne – opowiada dr Tejvir S. Khurana. Gen koduje białko IL-15R-alfa, które albo działa w pojedynkę, albo razem z interleukiną-15. IL-15R-alfa odgrywa ważną rolę w odpowiedzi immunologicznej. Razem z interleukiną-15 ma też związki z fizjologią mięśni, na razie nie wiadomo jednak, na czym dokładnie polegają.

Mięśnie zbudowane z włókien wolnych – ST od ang. slow twitch, nazywane też włóknami typu I lub oksydacyjnymi - są przystosowane do ruchów ciągłych o małej intensywności (akcji wytrzymałościowych). Mięśnie zbudowane z włókien szybko kurczących się – FT od ang. fast twitch; nazywa się je też włóknami typu II – umożliwiają akcje szybkie, krótkie i intensywne. Supermięśniami FT są mięśnie poruszające gałką oczną. Są one dodatkowo jedynymi zmęczenioopornymi mięśniami szybkimi.

Podczas eksperymentów myszy z usuniętym genem IL-15R-alfa pokonywały 6,3 razy dłuższe dystanse i wykazywały bardziej nasiloną ogólną aktywność niż zwierzęta kontrolne. Poza tym ich szybkie mięśnie wydawały się oporne na zmęczenie i kurczyły się wolniej. Khurana i inni udowodnili też, że utrata IL-15R-alfa prowadzi do zmiany sposobu zużywania energii przez szybkie mięśnie, co wiąże się ze znacznym wzrostem wydolności wysiłkowej myszy.

W mięśniach zmodyfikowanych zwierząt wykryto więcej aktywnych czynników transkrypcyjnych, co przekładało się na większą liczbę włókien o mniejszej powierzchni z większą liczbą mitochondriów. Zagłębiając się dalej w morfologię, naukowcy stwierdzili, że na włókno przypadało więcej jąder komórkowych. Wszystkie zaobserwowane zmiany odpowiadały przekształceniom w kierunku mięśni z przewagą włókien oksydacyjnych.

Akademicy zauważyli też, że istnieje związek między genem IL-15R-alfa (a właściwie jego brakiem) a osiągnięciami sportowców uprawiających dziedziny wytrzymałościowe. Studium pokazuje, że mięśnie można przeprogramować, dlatego organizacje zajmujące się dopingiem w sporcie powinny dopisać do długiej listy zakazanych środków manipulowanie IL-15R-alfa. Na razie nie sprawdza się tego, nie istnieją też metody wykrywania tego typu praktyk u zawodników. Obecnie zespół Khurany zajmuje się ich stworzeniem.

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Szybką i bezbłędną klasyfikację białek, wykrywanie w nich miejsc wiążących potencjalne leki, identyfikowanie białek występujących na powierzchni wirusów, a także badania np. RNA, umożliwia nowe narzędzie bioinformatyczne opracowane przez naukowców z Wydziału Biologii UW.
      BioS2Net, czyli Biological Sequence and Structure Network, jest zaawansowanym algorytmem wykorzystującym uczenie maszynowe, pozwalającym na klasyfikację nowo poznanych białek nie tylko na podstawie podobieństwa sekwencji aminokwasowych, ale także ich struktury przestrzennej. Publikacja na jego temat ukazała się na łamach pisma International Journal of Molecular Sciences.
      Narzędzie opracował zespół kierowany przez dr. Takao Ishikawę z Zakładu Biologii Molekularnej Wydziału Biologii UW we współpracy z naukowcem z Wydziału Matematyki, Informatyki i Mechaniki UW. Jak mówią sami autorzy, jego głównym zastosowaniem jest usprawniona klasyfikacja białek, ponieważ obecnie stosowany system klasyfikacji strukturalnej opiera się na żmudnej pracy polegającej na porównywaniu struktur nowych białek do tych już skategoryzowanych.
      Istnieje co prawda jego zautomatyzowany odpowiednik, jednak jest on bardzo restrykcyjny i bierze pod uwagę wyłącznie podobieństwo sekwencji białek, całkowicie pomijając ich strukturę. Takie narzędzie jak BioS2Net potencjalnie ma szansę znacząco usprawnić cały proces – wyjaśnia dr Ishikawa. Dodatkowo opracowana przez nas architektura może zostać użyta (po niewielkich przeróbkach) do innych zadań, niekoniecznie związanych z klasyfikacją. Przykładowo można by jej użyć do wykrywania w białku miejsc wiążących potencjalne leki lub do identyfikacji białek występujących na powierzchni wirusów.
      Można sobie np. wyobrazić sytuację, w której dotychczas zaklasyfikowane do innych grup białka, dzięki zastosowaniu BioS2Net zostaną skategoryzowane jako bardzo podobne do siebie pod względem budowy powierzchni, mimo innego zwinięcia łańcucha białkowego wewnątrz struktury. I wówczas niewykluczone, że cząsteczka oddziałująca z jednym białkiem (np. jako lek) okaże się także skutecznym interaktorem dla drugiego – wymienia dalsze potencjalne zastosowania praktyczne narzędzia dr Ishikawa. Innym ciekawym zastosowaniem mogłoby być np. wykrywanie miejsc wiążących w białkach, które mogą stanowić albo cel dla leków, albo punkt interakcji z białkiem wirusowym.
      Działanie BioS2Net opiera się na wykonywanych po sobie operacjach matematycznych, które bazują na danych o konkretnym białku. Do pracy narzędzie potrzebuje tychże danych (im więcej, tym lepiej), odpowiedniego oprogramowania zdolnego do wykonywania skomplikowanych obliczeń związanych z treningiem sieci neuronowej oraz sporej ilości czasu.
      W efekcie BioS2Net tworzy unikatową reprezentację każdego białka w postaci wektora o stałym rozmiarze. Można to porównać do czegoś w rodzaju kodu kreskowego opisującego każde z poznanych białek – tłumaczy dr Ishikawa. Narzędzie świetnie nadaje się do klasyfikacji białek na podstawie sekwencji aminokwasowej oraz struktury przestrzennej. Szczególnie istotne jest to, że można dzięki niemu wykryć białka o podobnej strukturze trójwymiarowej, ale o odmiennym „foldzie”, czyli innym sposobie zwinięcia łańcucha białkowego.
      Dotychczas stosowane metody przydzielałyby takie białka do osobnych grup. Tymczasem znane są przypadki, gdy tego typu cząsteczki pełnią podobne funkcje. I do wykrywania takich grup białek może się przydać BioS2Net – dodaje.
      Jak mówi naukowiec, nowe białka odkrywa się cały czas. Zdecydowana większość z nich, jeśli już ma opisaną strukturę przestrzenną, jest deponowana w bazie danych Protein Data Bank, do której każdy ma dostęp przez Internet. Warto jednak zwrócić uwagę, że proces odkrywania nowych białek rozpoczyna się o wiele wcześniej, już na etapie sekwencjonowania genomu. W bazach danych genomów często można spotkać się z adnotacją ’hypothetical protein’ (pol. hipotetyczne białko). Istnieją algorytmy komputerowe, które na podstawie sekwencji nukleotydowych w zsekwencjonowanym genomie przewidują obszary przypominające geny, które potencjalnie kodują informację o białkach. I takich potencjalnych białek znamy bardzo wiele. Ich funkcje można częściowo przewidzieć na podstawie podobieństwa do cząsteczek już wcześniej opisanych, ale do pełnego poznania takiej roli i mechanizmu działania często jednak należy najpierw ustalić ich strukturę, co wymaga miesięcy lub lat eksperymentów – opowiada badacz z UW.
      W przypadku białek podobna sekwencja aminokwasów z reguły przekłada się na podobną strukturę. Do niedawna był to wręcz dogmat w biologii strukturalnej. Dzisiaj jednak wiadomo – mówi dr Ishikawa – że wiele białek jest inherentnie nieustrukturyzowanych (IDP; ang. intrinsically disordered protein) albo przynajmniej zwiera w sobie tego typu rejony. Takie białka mogą przyjmować różne struktury w zależności od tego z jakimi innymi białkami w danym momencie oddziałują.
      Dodatkowo bardzo istotny jest cały kontekst, w jakim białko ulega pofałdowaniu. Przykładowo, obecność tzw. białek opiekuńczych, czy nawet samo tempo syntetyzowania białka w komórce, może mieć niemały wpływ na ostateczny jego kształt, a zatem też na funkcje. Nie zmienia to jednak faktu, że cechą fundamentalną każdego białka jest jego sekwencja aminokwasowa – podkreśla.
      A dlaczego w ogóle poznanie dokładnej budowy cząsteczki białka jest takie ważne? Autor publikacji wyjaśnia, że białka, realizując swoje zadania w komórce, zawsze przyjmują określoną strukturę. Np. jeśli chcemy zaprojektować nowy lek, który będzie oddziaływał z określonym białkiem, to fundamentalne znaczenie ma określenie struktury tego drugiego. W trakcie pandemii SARS-CoV-2 trzeba było np. określić strukturę wirusowego białka S (tzw. kolca) m.in. po to, aby można było zaproponować cząsteczkę swoiście z nim oddziałującą, a przez to zmniejszyć wydajność zakażania komórek człowieka – mówi. Podsumowując: badanie struktury białek ma ogromne znaczenie dla poznania ich funkcji i mechanizmu działania, a także innych cząsteczek z nimi oddziałujących.
      Jeśli chodzi o sam BioS2Net, to najpierw należy ściągnąć z bazy danych i przetworzyć informacje o danym białku. Przetwarzanie służy temu, aby wszystkie cechy białka, takie jak współrzędne atomów, rodzaje aminokwasów, profil ewolucyjny itd., zamienić na liczby, które będą zrozumiałe dla komputera. Każdy pojedynczy atom cząsteczki jest opisywany przez kilkadziesiąt liczb, które wyrażają wspomniane cechy.
      Następnie liczby te wprowadza się do sieci neuronowej, która analizuje każdy z atomów oraz ich najbliższych sąsiadów, biorąc pod uwagę zarówno ich ułożenie przestrzenne, jak i sekwencyjne. Kolejny etap to łączenie grup atomów w jeden „superatom”, który zawiera w sobie całą wyuczoną lokalną informację. Proces ten powtarza się do momentu aż ów „superatom” będzie zawierał zagregowane informacje o całym białku. To jest nasz kod kreskowy, który wykorzystujemy potem do klasyfikacji białka, używając standardowych sieci neuronowych – zaznacza dr Ishikawa.
      Zapytany o dokładność nowego narzędzia biolog wyjaśnia, że jeśli chodzi o wytworzenie unikatowego wektora reprezentującego poszczególne białka, to BioS2Net robi to bezbłędnie, tzn. że każde białko jest reprezentowane w jedyny możliwy sposób i żadna inna cząsteczka nie będzie opisana w taki sam sposób.
      Natomiast, gdy zastosowaliśmy BioS2Net do klasyfikacji białek, osiągnęliśmy wynik nawet 95,4 proc. trafności w porównaniu do obowiązującej klasyfikacji wg bazy danych. Oznacza to, że w ponad 95 przypadków na 100 BioS2Net był w stanie prawidłowo przyporządkować białko do danej grupy. Tutaj jednak warto wspomnieć, że ta obowiązująca klasyfikacja opiera się na podobieństwie sekwencji aminokwasowych i pomija informacje strukturalne – tłumaczy autor publikacji.
      Naukowcy podkreślają, że poza głównym zastosowaniem, czyli klasyfikacją białek, BioS2Net będzie mógł służyć także do analizowania innych cząsteczek biologicznych, w tym RNA. Uważamy, że narzędzie można by też wykorzystywać do klasyfikacji zupełnie innych danych biologicznych, np. map chromosomów w jądrze komórkowym. Właściwie to nasza architektura może być przydatna wszędzie tam, gdzie jest zdefiniowana struktura i sekwencja – mówią.
      Dr Ishikawa dodaje, że BioS2Net powstał w ramach pracy licencjackiej pierwszego autora (jego Alberta Roethla) wykonanej pod kierunkiem. Warto to podkreślić, bo to ważny sygnał, że licencjat niekoniecznie jest pracą dyplomową, którą po prostu trzeba zrobić, ale czymś, co ma potencjał naukowy i może zostać opublikowane w międzynarodowym czasopiśmie – zaznacza naukowiec.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Uczeni ze Stanford Medicine odkryli gen, który jest odpowiedzialny za większość mechanizmu powodującego pojawianie się pasków, plamek czy łatek zdobiących futro zarówno lamparta jak i domowego Mruczka. Wzorce kolorów to jedna z nierozwiązalnych zagadek biologii. Nie mamy modelowego obiektu do ich badania. U myszy paski czy łaty nie występują, mówi emerytowany profesor genetyki Gregory Barsh.
      Naukowcy, obserwując zróżnicowanie kolorów i wzorów, jakie widzimy u tygrysów, zebr czy gepardów, zadali sobie pytanie o mechanizm genetyczny leżący u ich podstaw. I częściowo udało się na to pytanie odpowiedzieć.
      Barsh i jego zespół zidentyfikowali gen DKK4, który reguluje wczesne etapy rozwoju wzorców kolorystycznych widocznych na futrach domowych. Naukowcy przypuszczają, że ten sam gen jest odpowiedzialny za ubarwienie wszystkich gatunków kotów, a może też i innych ssaków.
      Już wcześniej ten sam zespół zidentyfikował gen odpowiedzialny za zmienność kolorów u kotów pręgowanych. Okazało się, że to ten sam gen, który odpowiada za różnicę wyglądu pomiędzy gepardami a gepardami królewskimi, które mają grubszy, bardziej widoczny wzór na futrze.
      Z badań nad kotami domowymi wiedzieliśmy, że istnieją jeszcze inne geny odpowiedzialne za tworzenie się wzorców, nie wiedzieliśmy tylko, które to, mówi Barsh. Na trop odpowiedzi trafili w kocich tkankach płodowych. Kluczem okazało się pogrubienie skóry kociego płodu w niektórych regionach. Pogrubienie to tworzyło wzorzec, który odpowiadał późniejszemu wyglądowi futra dorosłego kota. W grubszych regionach skóry futro będzie w przyszłości ciemniejsze, w regionach cieńszych – jaśniejsze. Nazwaliśmy ten etap „ustanowieniem wzorca”, dochodzi do niego na długo przed pojawieniem się kolorów na futrze i na długo zanim mieszki włosowe dojrzeją, mówi Barsh.
      Etap „ustanowienia” wskazał naukowcom, które komórki są zaangażowane w tworzenie wzorca na futrze oraz czas, kiedy jest on ustalany. To zaś pozwoliło im na zbadanie genomu komórek zaangażowanych w powstawanie wzorca. Okazało się, że w pogrubionej skórze szczególnie aktywny jest gen DKK4, a w skórze cieńszej jego aktywność pozostaje na normalnym poziomie.
      Żeby jednak dokładniej określić związek pomiędzy DKK4 a wczesnym tworzeniem się wzorca kociej sierści, naukowcy przyjrzeli się kotom abisyńskim. Gatunek ten nie posiada charakterystycznych dla innych kotów pasków czy łatek. Ich futro wybarwione jest różnymi, jakby rozcieńczonymi barwami, z niewielkimi ciemniejszymi obszarami, które wyglądają tak, jakby ktoś za pomocą ołówka lekko przyciemnił wierzch futra.
      Gdy naukowcy zbadali gen DKK4 Abisyńczyków okazało się, że gen ten posiada mutację, w wyniku której gatunkowi temu brak jest wzorów charakteyrystyczych dla innych kotów. Ta mutacja najwyraźniej znacznie upośledza zdolność DKK4 do wytworzenia wzorców. Gdy zaś gen zostanie usunięty, wspomniane ciemniejsze obszary u kotów abisyńskich nie znikają, ale stają się mniejsze i są gęściej upakowane.
      Oczywiście każdy z nas przypomni sobie, że widział całkiem białego lub całkiem czarnego kota. Jednak, wbrew pozorom, koty te również posiadają wzorce. Kolor futra decyduje się w dwóch procesach. Jest to proces ustalania się wzorca wybarwienia oraz proces produkcji pigmentu przez mieszki włosowe. U kotów czarnych wzorca nie widać, gdyż mieszki włosowe produkują wszędzie czarny pigmentu. U kotów białych nie widać go, gdyż włosom brakuje pigmentu.
      Naukowcy nie wiedzą dokładnie, w jaki sposób DKK4 wpływa na tworzenie się wzorca. Wiedzą jednak, że DKK4 wchodzi w interakcje z proteinami z klasy WNT. I to współpraca DKK4 oraz WNT decyduje o wzorcu wybarwienia kociego futra. Dzieje się to już w chwili, gdy embrion ma zaledwie 2-3 milimetry długości. Na całe tygodnie zanim w futrze rozpocznie się produkcja pigmentu. To działanie DKK4 decyduje, gdzie futro będzie ciemniejsze. Zagadką pozostaje, w jaki sposób te obszary skóry „zapamiętują”, że wytworzone tam mieszki włosowe mają wyprodukować ciemniejszy pigment. To nierozwiązana przez nas kwestia. Nie potrafimy połączyć procesu „ustanawiania wzorca” z późniejszym procesem jego tworzenia się. Wciąż próbujemy to określić, przyznaje Barsh.
      Uczony zauważa, że DKK4 to nie wszystko. Zaangażowane są też inne geny, które decydują – na przykład – dlaczego niektóre koty mają paski, a inne plamki, mówi uczony i zapowiada, że i na te pytania będzie szukał odpowiedzi.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Podczas jednych z najszerzej zakrojonych badań dotyczących genetyki otyłości, udało się zidentyfikować rzadkie warianty genetyczne, które chronią przed przybieraniem na wadze. Odkrycia dokonano dzięki sekwencjonowaniu eksomów u ponad 640 000 mieszkańców Meksyku, USA i Wielkiej Brytanii. To alternatywna metoda sekwencjonowania genomu, dzięki której odkryto już wiele interesujących genów.
      Po wykonaniu sekwencjonowania naukowcy szukali mutacjach w genach powiązanych z niskim lub wysokim BMI. Z 16 genów powiązanych z BMI, pięć koduje występujące na powierzchni komórek receptory sprzężone z białkami G. Naukowcy odkryli, że do ekspresji wszystkich tych genów dochodzi w podwzgórzu, obszarze odpowiedzialnym za łaknienie i metabolizm.
      Największy wpływ na BMI miał wariant genu GPR75. Osoby, u których występowała mutacja powodująca, że jedna z kopii genu była nieaktywna, były średnio o 5,3 kilograma lżejsze niż ludzie z aktywnymi obiema kopiami i były o 50% mniej narażone na rozwinięcie się u nich otyłości.
      Autorzy badań, chcąc zbadać, w jaki sposób GPR75 wpływa na przybieranie na wadze, zmodyfikowali genetycznie myszy tak, by nie występowała u nich działająca kopia genu. Gdy następnie takie myszy karmiono wysokokaloryczną dietą, przybrały one na wadze o 44% mniej niż myszy, których nie modyfikowano. Co więcej, u zmodyfikowanych genetycznie myszy stwierdzono lepszą kontrolę nad poziomem cukru we krwi i większą wrażliwość na insulinę.
      Niestety, wariant GPR75, w którym jedna z kopii jest nieaktywna, rzadko występuje u ludzi. Posiada go tylko 1 na 3000 osób. Jednak sam fakt, że mutacja tego genu ma tak wielki wpływ na masę ciała i związane z nią problemy, wiele mówi o biologii.
      Naukowcy uważają, że GPR75 może stać się w przyszłości celem dla leków zwalczających otyłość. Obecnie znamy dwie molekuły, które aktywują receptor GPR75. Potrzebujemy leku, który by go dezaktywował. Taki środek byłby niezwykle pomocy w walce z otyłością.
      Artykuł Sequencing of 640,000 exomes identifies GPR75 variants associated with protection from obesity autorstwa uczonych z USA, Szwecji, Meksyku i Wielkiej Brytanii został opublikowany na łamach Science.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W łódzkim Bionanoparku powstanie laboratorium firmy NapiFeryn Bio Tech. Będzie w nim produkowane białko z rzepaku, które może zrewolucjonizować i rynek spożywczy, i naszą dietę. W działającej już prototypowej linii produkcyjnej powstaje tygodniowo kilka kilogramów izolatu białkowego (>90% białka) i koncentratu białkowo-błonnikowego (ok. 30% białka). Oba te produkty mogą być stosowane jako dodatki do słodyczy, makaronów, sosów, napojów, pieczywa czy wegańskich zamienników mięsa.
      Rzepak, w odróżnieniu od soi, uprawiany jest lokalnie – nie trzeba go importować ani zwiększać jego upraw, ponieważ w procesie pozyskiwania białka wykorzystuje się pozostałości po tłoczeniu oleju rzepakowego. Jest to alternatywne rozwiązanie dla białka zwierzęcego, przyjazne naturze – zostawia znacznie mniejszy ślad węglowy, stwierdziła Magdalena Kozłowska, prezes NapiFeryn BioTech. Białko z rzepaku ma doskonałe wartości odżywcze. Jest łatwo trawione i przyswajalne przez ludzki organizm.
      Dotychczasową przeszkodą w stosowaniu go w przemyśle spożywczym był jego charakterystyczny, gorzki posmak. Technologia opatentowana przez nas całkowicie ten problem usuwa. Nasze białko jest nie tylko zdrowe, ale też smaczne, mówi Piotr Wnukowski, wiceprezes firmy.
      Co prawda produkt jest testowany też przez firmę w eksperymentalnej kuchni, jednak NapiFeryn BioTech nie chce produkować żywności, ale licencjonować swój produkt koncernom spożywczym. Produkty zawierające białko rzepakowe mogą trafić do sklepów już w ciągu 2-3 lat.
      Izolat z białka z rzepaku został uznany za produkt bezpieczny i jest dopuszczony przez UE do stosowania w przemyśle spożywczym.Obecnie firma przygotowuje się do zarejestrowania koncentratu błonnikowo-białkowego.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Uczeni z Uniwersytetów w Aberdeen i Leicester zidentyfikowali w mózgu obszar, który napędza zapotrzebowanie na pożywienie bogate w białko. Odkrycie może mieć znaczenie dla rozwoju personalizowanych terapii otyłości. Nie od dzisiaj bowiem wiadomo, że dieta niskobiałkowa jest powiązana z otyłością.
      Naukowcy zauważyli, że gdy szczury trzymano na diecie niskobiałkowej, doszło do większej aktywizacji pola brzusznego nakrywki (VTA), czyli jądra limbicznego śródmózgowia, obszaru odpowiedzialnego za aktywne poszukiwanie jedzenia.
      Z badań wynika, że gdy wcześniej ograniczy się dostarczanie protein, VTA staje się bardziej wrażliwe na proteiny niż na inne składniki odżywcze. To zaś sugeruje, że mózgi zwierząt działają tak, by upewnić się, że dostawy białka zostaną utrzymane na odpowiednim poziomie. Taka adaptacja jest zrozumiała, gdyż niedobór białka może mieć katastrofalne skutki zdrowotne. Ponadto wcześniejsze badania wiązały niski poziom białek z otyłością. Nie wiadomo było jednak, jak na zjawisko to wpływa mózg.
      Współautor badań doktor Fabien Naneix mówi: Odkryliśmy, że zmniejszenie podaży białka zwiększyło preferencje ku żywności, w której jest więcej białka niż węglowodanów. Ta preferencja ku białkom jest powiązana z większą odpowiedzią VTA i gdy zwierzęta przestawia się z normalnej zbilansowanej diety na dietę niskobiałkową, dochodzi do indukowania preferencji ku białkom, jednak zmiany w VTA wymagają intensywnego procesu uczenia się.
      Nasze badania są pierwszymi, łączącymi preferencje ku białkom ze specyficzną aktywnością mózgu. Wiemy,że VTA odgrywa kluczową rolę w procesach pobierania innych składników odżywczych. Teraz wykazaliśmy, że dotyczy to również białek.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...