Jump to content
Forum Kopalni Wiedzy
Sign in to follow this  
KopalniaWiedzy.pl

Spożywanie białka nocą podwyższa poranny poziom cukru we krwi u zdrowych ludzi

Recommended Posts

Spożywanie białka nocą podwyższa poranny poziom cukru we krwi u zdrowych ludzi. Wyniki badań zespołu z Uniwersytetu w Bath zaprezentowano na konferencji Future Physiology 2020.

Naukowcy podkreślają, że wysoki poziom cukru we krwi po posiłku wiąże się z problemami zdrowotnymi, takimi jak cukrzyca czy choroby serca. Wcześniejsze badania wykazały, że przekąska spożywana na kilka godzin przed posiłkiem może pomóc w kontrolowaniu glikemii. To zaś po części może wyjaśnić, czemu pierwsza rzecz, jaką zjadamy danego dnia (przeważnie śniadanie), podwyższa poziom cukru w większym stopniu niż inne, późniejsze, posiłki.

W ramach najnowszego studium sprawdzano, czy budzenie się w nocy, by spożyć białka, utrzymuje cukier na niższym poziomie następnego ranka. Okazało się, że w porównaniu do wypicia o 4 nad ranem czystej wody, po spożyciu białek serwatkowych odpowiedź glikemiczna na śniadanie była większa.

Naukowcy podkreślają, że uzyskane wyniki mogą mieć spore znaczenie dla osób próbujących poprawić kontrolę glikemiczną.

Jak akademicy wyjaśniają uzyskane rezultaty? Wg nich, organizm nie spodziewa się lub nie potrzebuje spożywania w nocy jakichś pokarmów, dlatego białko jest przekształcane w cukier. To z kolei może powodować, że po przebudzeniu dysponuje większą ilością węglowodanów, stąd więc to, co zostanie spożyte ze śniadaniem, nie zostanie raczej zużyte lub zmagazynowane, ale "nadbuduje się" we krwi.

Zespół z Uniwersytetu w Bath badał 15 zdrowych, młodych osób - 8 kobiet i 7 mężczyzn. Ochotnicy byli budzeni o 4 nad ranem i wypijali 300 ml czystej wody albo roztworu 63 g białek serwatkowych. Później kładli się z powrotem spać, a o 9 podawano im owsiankę. Następnie w ciągu 2 godzin monitorowano poziom cukru we krwi.

Po jakimś czasie ochotnicy wracali do laboratorium, by spożyć o 4 nad ranem drugi (inny niż za pierwszym razem) rodzaj napoju. W ten sposób Brytyjczycy porównywali odpowiedź glikemiczną na ten sam posiłek u tej samej osoby i mogli określić wpływ nocnego spożycia białka.

Przyszłe badania pokażą, czy to odnosi się do ludzi starszych bądź z nadwagą, którzy często mają więcej problemów z kontrolą poziomu cukru we krwi. Ciekawie byłoby też ustalić, do jakiego stopnia nasze wyniki są spowodowane jedzeniem o niezwykłej porze czy rodzajem spożytego białka - podsumowuje Eleanor Smith.


« powrót do artykułu

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
      AlphaFold, sieć sztucznej inteligencji zbudowana w oparciu o słynny DeepMind dokonała olbrzymiego kroku w kierunku poradzenia sobie z jednym z najpoważniejszych wyzwań nauk biologicznych – określeniem kształtu białek z sekwencji ich aminokwasów. To zmieni medycynę, zmieni bioinżynierię. Zmieni wszystko, mówi Andrei Lupas, biolog ewolucyjny z Instytutu Biologii Rozwojowej im. Maxa Plancka w Tybindze, który oceniał możliwości podobnych programów. Lupas dobrze zna AlphaFold. Program pomógł określić mu strukturę białka, z którym jego laboratorium nie mogło sobie poradzić od dekady.
      Możliwość określenia prawidłowej struktury białek pozwoli zarówno na lepsze zrozumienie życia, jak i na szybsze opracowywanie supernowoczesnych leków. Obecnie znamy 200 milionów białek, ale w pełni rozumiemy strukturę i funkcję niewielkiego ułamka z nich. Jednak nawet opisanie tej niewielkiej liczby dobrze poznanych białek zajęło nauce wiele lat, a do ich badań konieczny był wyspecjalizowany sprzęt warty miliony dolarów.
      AlphaFold pokonał około 100 innych programów, które wraz z nim stanęły do zawodów CASP (Critical Assesment of Structure Prediction). Zawody odbywają się co dwa lata, a AlphaFold wystartował w nich po raz pierwszy w 2018 roku i od razu trafił na szczyt klasyfikacji. Jednak w tym roku jego możliwości zaskoczyły specjalistów. Nie dość, że znacząco wyprzedził konkurencję, to jego osiągnięcia były tak imponujące, iż mogą zwiastować rewolucję w biologii.
      W niektórych przypadkach wyniki uzyskane za pomocą AlphaFold nie różniły się niczym od tych osiąganych za pomocą metod eksperymentalnych stanowiących złoty standard, takich jak krystalografia rentgenowska czy mikroskopia krioelektronowa. Naukowcy mówią, że AlphaFold nie zastąpi – przynajmniej na razie – tych metod, ale już teraz pozwoli na badanie struktur biologicznych w zupełnie nowy sposób.
      Białka to podstawowe budulce organizmów żywych. Odpowiedzialne są za większość procesów zachodzących w komórkach. O tym, jak działają i co robią, decyduje ich struktura 3D. Odpowiedni kształt przyjmują one bez żadnej instrukcji, kierowane jedynie prawami fizyki.
      Od dziesięcioleci główną metodą określania kształtów białek były metody eksperymentalne. Badania tego problemu rozpoczęto w latach 50. ubiegłego wieku korzystając z metod krystalografii rentgenowskiej. W ostatniej dekadzie preferowanym narzędziem badawczym stała się mikroskopia krioelektronowa.
      W latach 80. i 90. zaczęto prace nad wykorzystaniem komputerów do określania kształtu protein. Jednak nie szło to zbyt dobrze. Metody, które sprawdzały się przy jednych białkach nie zdawały egzaminu przy badaniu innych. John Moult, biolog obliczeniowy z University of Maryland, wraz z kolegami wpadł na pomysł zorganizowania CASP, zawodów, które miały uporządkować prace nad wykorzystaniem komputerów do badania kształtów białek. W ramach tych zawodów przed zespołami naukowymi stawia się zadanie określenia właściwej struktury protein, których to struktura została wcześniej określona metodami eksperymentalnymi, ale wyniki tych badań nie zostały jeszcze upublicznione.
      Moult mówi, że eksperyment ten – uczony unika słowa „zawody” – znakomicie przysłużył się badaniom na tym polu, pozwolił na uporządkowanie metod i odrzucenie wielu nieprawdziwych twierdzeń. Tutaj naprawdę możemy przekonać się, która metoda jest obiecująca, która działa, a którą należy odrzucić, stwierdza.
      W 2018 roku na CASP13 po raz pierwszy pojawił się AlphaFold. To algorytm sztucznej inteligencji bazujący na słynnym DeepMind, który pokonał mistrza go Lee Sedola, przełamując kolejną ważną barierę dla sztucznej inteligencji.
      Już w 2018 roku AlphaFold zyskał sobie uznanie specjalistów. Jednak wówczas korzystał z bardzo podobnych technik, co inne programy. Najpierw wykorzystywał metody głębokiego uczenia się oraz dane strukturalne i genetyczne do określenia odległości pomiędzy parami aminokwasów w proteinie, a następnie – już bez użycia SI – wypracowywał „konsensus” dotyczący ostatecznego wyglądu proteiny. Twórcy AlphaFolda próbowali to udoskonalać korzystając z takiego właśnie modelu, ale natrafili na przeszkody nie do pokonania.
      Zmienili więc taktykę i stworzyli sieć sztucznej inteligencji, która wykorzystywała też informacje o fizycznych i geometrycznych ograniczeniach w zawijaniu białek. Ponadto nowy model zamiast przewidywać zależności pomiędzy poszczególnymi aminokwasami miał do zrobienia coś znacznie trudniejszego – przewidzieć ostateczny kształt białka.
      CASP trwa kilka miesięcy. Biorące w nim udział zespoły regularnie otrzymują niezbędne informacje o proteinach lub ich fragmentach – w sumie jest ich około 100 – i mają określić ich strukturę. Wyniki pracy tych zespołów oceniają niezależni eksperci, którzy sprawdzają, na ile wyniki uzyskane na komputerach są zgodne z rzeczywistą strukturą białek określoną wcześniej metodami eksperymentalnymi. Oceniający nie wiedzą, czyją pracę oceniają. Wyniki są anonimizowane. Dane z AlphaFold były w bieżącym roku opisane jako „grupa 427”. Jednak niektóre z przewidywań dostarczonych przez tę grupę były tak dokładne, że wielu sędziów domyśliło się, kto jest autorem pracy. Zgadłem, że to AlphaFold. Większość zgadła, mówi Lupas.
      AlphaFold nie sprawował się równo. Raz radził sobie lepiej, raz gorzej. Ale niemal 2/3 jego przewidywań dorównywało wynikom uzyskanym metodami eksperymentalnymi. Czasami nie było wiadomo, czy różnica wynika z niedoskonałości AlphaFold czy metod eksperymentalnych. Jak mówi Moult, największą różnicę pomiędzy AlphaFold a metodami eksperymentalnymi było widać, gdy rzeczywisty wygląd proteiny określano za pomocą rezonansu jądrowego. Jednak różnica ta może wynikać ze sposobu obróbki surowych danych uzyskanych tą metodą. AlphaFold słabo sobie radził też w określaniu indywidualnych struktur w grupach protein, gdzie kształt białka mógł być zaburzany obecnością innego białka.
      Ogólnie rzecz biorąc średnia wydajność modeli biorących udział w tegorocznym CASP była lepsza niż przed dwoma laty, a za większość postępu odpowiadał AlphaFold. Na przykład tam, gdzie proteiny określano jako średnio trudne najlepsze modele uzyskiwały 75 na 100 możliwych punktów, a AlphaFold uzyskał tam 90 punktów. Przekroczenie granicy 90 punktów uznaje się za dorównanie metodom eksperymentalnym.
      Mohammed AlQuraishi, biolog obliczeniowy z Columbia University, który też brał udział w CASP chwali osiągnięcie AlphaFold: myślę, że trzeba uczciwie powiedzieć, iż osiągnięcie to wstrząśnie dziedziną badania struktur białek. Sądzę, że wielu specjalistów przestanie się tym zajmować, gdyż główny problem został rozwiązany. To olbrzymi przełom, jedno z najważniejszych osiągnięć naukowych, jakie widziałem w swoim życiu.
      O tym, jak wielkie możliwości ma AlphaFold i jak olbrzymia rewolucja może nadchodzić niech świadczy przykład badań, jakie prowadził zespół Andreia Lupasa. Niemcy od dawna próbowali określić strukturę białka pewnej bakterii. Za pomocą krystalografii rentgenowskiej uzyskali surowe dane, jednak ich przełożenie na odpowiednią strukturę wymagało pewnych informacji o kształcie proteiny. Wszelkie próby rozwiązania zagadnienia spaliły na panewce. Spędziliśmy dekadę próbując wszystkiego. Model opracowany przez group 427 dostarczył nam tę strukturę w ciągu pół godziny, mówi Lupas.
      Demis Hassabis, współzałożyciel i szef firmy DeepMind, która obecnie należy do Google'a, mówi, że jego firma dopiero zaczyna rozumieć, czego biolodzy chcą od AlphaFold.
      AlphaFold już zresztą przydaje się w praktyce. Na początku 2020 roku algorytm opisał strukturę kilku białek wirusa SARS-CoV-2. Później okazało się, że przewidywania dotyczące białka Orf3a zgadzają się z wynikami uzyskanymi eksperymentalnie.
      Rozpowszechnienie się AlphaFold raczej nie doprowadzi do zamknięcia laboratoriów. Jednak dzięki niemu do określenia struktury protein wystarczą gorszej jakości, a więc i łatwiejsze do uzyskania, dane. Możemy się też spodziewać olbrzymiej liczby odkryć, gdyż już w tej chwili dysponujemy olbrzymią liczbą danych, które program będzie mógł wykorzystać. Dodatkową korzyścią jest fakt, że będzie można prowadzić bardziej zaawansowane badania. Nowa generacja biologów molekularnych będzie mogła zadać bardziej złożone pytania. Będą mogli skupić się bardziej na myśleniu niż na prowadzeniu eksperymentów, mówi Lupas.
      Naukowcy mają nadzieję, że dzięki AlphaFold poznamy funkcje tysięcy białek tworzących ludzkie DNA, a to z kolei pozwoli nam poznać przyczyny wielu chorób.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Analizy badań EPIC-Oxford sugerują, że weganie, wegetarianie oraz osoby, które z mięsa jedzą wyłącznie mięso ryb, są bardziej narażeni na złamania kości niż osoby jedzące mięso. Ryzyko takie jest szczególnie widoczne w przypadku wegan, którzy narażeni są na zwiększone prawdopodobieństwo złamania wszelkich kości, w tym kości nóg czy kręgosłupa. Ponadto weganie, wegetarianie i osoby jedzące tylko mięso ryb są szczególnie narażeni na złamania biodra.
      We wszystkich wymienionych przypadkach ryzyko złamań było mniejsze, gdy uczestnicy badań mieli większą masę ciała i przyjmowali więcej wapnia oraz białka. To sugeruje, że zwiększone ryzyko złamań w porównaniu z osobami jedzącymi mięso jest spowodowane faktem, iż osoby nie jedzące mięsa są zwykle szczuplejsze, zatem ich kości nie są tak dobrze chronione przez mięśnie i tłuszcz, a poza tym przyjmują mniej białka i wapnia, co negatywnie wpływa na wytrzymałość kości. Nie zauważono także, by osoby nie jedzące mięsa lub jedzące tylko ryby były narażone na większe ryzyko złamań nadgarstka, kostki lub ramienia.
      Główna autorka badań, doktor Tammy Tong z Oxford University mówi: To pierwsze tak szeroko zakrojone badania na temat ryzyka złamań u osób stosujących różną dietę. Okryliśmy, że w przypadku wegan ryzyko złamań kości jest wyższe o niemal 20 przypadków na 1000 osób w przeciągu 10 lat w porównaniu z osobami jedzącymi mięso. Najwyższe ryzyko występuje w przypadku złamań biodra. Tutaj jest ono u wegan 2,3 raza wyższe niż u jedzących mięso, co odpowiada 15 dodatkowym przypadkom na 1000 osób na 10 lat.
      Badania EPIC-Oxford prowadzone były w latach 1993–2001 na niemal 55 000 brytyjskich kobiet i mężczyzn. Autorzy najnowszych badań śledzili losy tych osób roku 2016. W tym czasie doszło do niemal 4000 złamań kości.
      O ile zwiększenie ryzyka dla całej badanej grupy nie jest zbyt wysokie, w końcu to około 20 dodatkowych przypadków na 1000 osób w ciągu 10 lat, to szczególną uwagę należałoby zwrócić na osoby starsze. Wtedy to ryzyko złamań rośnie, a same złamania są bardziej niebezpieczne. Dlatego tego weganie i wegetarianie powinni zwracać szczególną uwagę na zdrowie kości. Jest mało prawdopodobne, by bez przyjmowania suplementów weganie mieli w diecie odpowiednią ilość wapnia, mówi doktor Tong. Uczona zwraca też uwagę, że obecnie sytuacja wegetarian może być lepsza, gdyż w latach 90. producenci mleka rzadziej wzbogacali go wapniem.
      Heather Russel, dietetyk z brytyjskiego Vegan Society mówi: Z pewnością możliwe jest zadbanie o kości w dobrze zaplanowanej wegańskiej diecie. Ale ludzie potrzebują informacji, by dokonywać odpowiednich wyborów.
      Szczegóły badań opublikowano w BMC Medicine.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Pewna szczególnie bolesna i inwazyjna forma endometriozy być może będzie leczona za pomocą terapii epigenetycznej, donoszą naukowcy z Michigan State University. Uczeni skupili się na rodzaju endometriozy, który występuje u kobiet z mutacją genu ARID1A. Gdy dochodzi do tej mutacji ma miejsce gwałtowna aktywizacja tzw. super wzmacniaczy transkrypcji (super enhacers). W wyniku ich działania komórki wyściółki macicy (endometrium) wydostają się poza macicę, powodując olbrzymi ból.
      Na łamach Cell Reports opisano badania, podczas których profesor Ron Chandler, doktor Mike Wilson oraz Jake Reske testowali lek, który bierze na cel super wzmacniacze i powstrzymuje rozprzestrzenianie się komórek poza macicę. Taki lek może być znacznie skuteczniejszy niż stosowane obecnie leczenie hormonalne, chirurgiczne czy podawanie środków przeciwbólowych.
      Endometrioza, szczególnie jej rodzaj związany z mutacją ARID1A wiąże się m.in. z olbrzymim długotrwały bólem i często prowadzi do niepłodności. Negatywnie wpływa ona na jakość życia kobiety, jej zdolność do podjęcia pracy i posiadania dzieci. Nie jest łatwa w leczeniu i może uodpornić się na terapię hormonalną. Odkryliśmy, że leki biorące na cel super wzmaczniacze transkrypcji mogą być nowym sposobem leczenia tej bardzo inwazyjnej choroby, mówi Chandler.
      Badany przez nich lek bierze na cel proteinę P300, hamując działanie super wzmacniaczy i w ten sposób niwelując skutki mutacji ARID1A. Zdaniem Wilsona ten sam lek może znaleźć zastosowanie także w leczeniu innych form endometriozy.
      Naukowcy już planują badania innych leków epigenetycznych, które mogą brać za cel P300.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Proteina produkowana przez ludzki układ odpornościowy może powstrzymywać koronawirusy, w tym i ten odpowiedzialny za obecną epidemię COVID-19. Do takich wniosków doszedł międzynarodowy zespół naukowy, który zauważył, że proteina LY6E znacznie ogranicza zdolność koronawirusa do rozpoczęcia infekcji. Odkrycie może prowadzić do opracowania nowego leku.
      W trakcie badań naukowcy zauważyli, że myszy, które pozbawiono genu Ly6e, stały się niezwykle podatne na infekcje zwykle bezpiecznymi dla nich dawkami koronawirusa.
      Ten silny inhibitor działa na wszystkie koronawirusy, które testowaliśmy, w tym na koronawirusy, które spowodowały epidemie SARS z 2003 roku, MERS z 2012 oraz na obecny SARS-CoV-2, mówi jeden z autorów badań, profesor John Schoggins z UT Southwestern Medical Center.
      Obecne badania to efekt wieloletniej pracy Schogginsa, który w przeszłości zauważył, że gen LY6E przyczynia się do... zwiększenia zaraźliwości wirusa grypy. W 2017 roku, gdy Schoggins pracował już na UT Southwestern, jego laboratorium odwiedziła Stephanie Pfaender ze Szwajcarii, która pracuje w laboratorium Volkera Thiela, jednego z czołowych ekspertów od koronawirusów. Przyjechała, by wykorzystać dostępne w USA techniki do poszukiwania genów, które mogłyby powstrzymywać infekcje koronawirusem. Tak doszło do obecnego odkrycia.
      Zauważyliśy, że LY6E działa na koronawirusy odwrotnie, niż na grypę. Powstrzymuje infekcję, zamiast ją wspomagać. Zaintrygowało to nas i natychmiast przystąpiliśmy do pracy, gdyż już mieliśmy przygotowany zwierzęcy model LY6E, na którym mogliśmy prowadzić badania, mówi Schoggins.
      Prace zajęły niemal 2 lata. Niemal w tym samym czasie, gdy wybuchła epidemia COVID-19 naukowcy stwierdzili, że LY6E powstrzymuje wiele różnych koronawirusów.
      Właściwości LY6E testowano na komórkach nerek naczelnych, które są często używane do badań nad koronawirusami. Naukowcy zauważyli, że LY6E zapobiega wnikaniu koronawirusów do komórek. Gdy mu się to nie uda, nie może zainfekować organizmu. Jako, że akurat wybuchła obecna epidemia, Volker Thiel zdobył próbki ludzkiego SARS-CoV-2 i skonfrontował go z LY6E. Okazało się, że i ten koronawirus jest powstrzymywany przez proteinę.
      W tym samym czasie na UT Southwestern prowadzono badania nad modelem mysim infekowanym koronawirusem. W ich wyniku stwierdzono, że gdy u myszy brakuje Ly6e jej komórki odpornościowe nie radzą sobie z infekcją, a ich liczba dastycznie spada. To tylko pogarsza sytuację.
      Schoggins podkreśla, że koronawirus użyty w modelu mysim jest znacząco różny od SARS-CoV-2. Na przykład nie atakuje on układu oddechowego, a wątrobę, powodując żółtaczkę. Ponadto zwykle nie zabija. Chyba, że myszy zostają pozbawione Ly6e, wówczas infekcja jest dla nich śmiertelna.
      Pomimo tych różnic, model mysi jest powszechnie akceptowanym modelem służącym do zrozumienia sposobu replikacji i odpowiedzi immunologicznej na infekcje. Nasze badania pokazują, jak działa niezwykle ważny gen antywirusowy. Jako, że LY6E w sposób naturalny występuje w ludzkim organizmie, mamy nadzieję, że nasze odkrycie przyczyni się do powstania środka do zwalczania infekcji koronawirusami, mówi Schoggins.
      Naukowcy przypominają, że podobna strategia leczenia jest z powodzeniem wykorzystywana w walce z HIV.
      Ze szczegółami badań można zapoznać się na łamach bioRxiv.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Ogniwo fotowoltaiczne działające w nocy? To nie pomyłka, przekonuje profesor Jeremy Munday z Wydziału Inżynierii Elektrycznej i Komputerowej Uniwersytetu Kalifornijskiego w Davis. Uczony twierdzi, że w idealnych warunkach takie ogniwo mogłoby generować po zachodzie słońca nawet 50 watów na m2. Artykuł na ten temat ogniw dostarczających prąd w nocy opublikowano na łamach ACS Photonics.
      Profesor Munday wyjaśnia, że proces generowania energii elektrycznej przez ogniwa fotowoltaiczne działające w nocy jest podobny do tradycyjnych ogniw fotowoltaicznych, ale działa odwrotnie. Obiekt, który jest cieplejszy od otoczenia wypromieniowuje ciepło w postaci podczerwieni. Standardowe ogniwo jest chłodniejsze od słońca, więc absorbuje światło.
      Jako, że przestrzeń kosmiczna jest bardzo zimna, cieplejszy od niej obiekt skierowany w jej stronę będzie wypromieniowywał ciepło. Ludzkość od setek lat wykorzystuje to zjawisko do schładzania obiektów w nocy.
      Standardowe ogniwa słoneczne absorbują światło, co prowadzi do pojawienia się przepływu prądu. W naszych urządzeniach światło jest emitowane, a prąd i napięcie biegną w przeciwnym kierunku, jednak wciąż generujemy moc. Musimy użyć innych materiałów, ale podstawy fizyczne są te same, mówi Munday.
      To samo urządzenie mogłoby też pracować za dnia, jeśli zablokuje się mu bezpośredni dostęp do światła słonecznego lub odwróci w przeciwną do słońca stronę.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...