Математическая модель предсказывает лучший способ нарастить мышцы

Исследователи из Кембриджского университета разработали математическую модель, способную предсказать оптимальный режим упражнений для роста мышц.

Модель, созданная с использованием методов теоретической биофизики, показывает, насколько конкретная нагрузка вызовет рост мышцы и сколько времени это займет. Она может лечь в основу программного продукта для оптимизации тренировок с учётом индивидуальной физиологии.

Молекулярная основа роста

Модель основана на более ранней работе той же команды, которая показала, что компонент мышц под названием титин отвечает за генерацию химических сигналов, влияющих на рост.

• При нагрузке часть молекулы титина, титинкиназный домен, находится под напряжением.
• Если напряжение достаточно велико или продолжительно, эта область "открывается", активируя сигнальные молекулы.
• Это запускает каскад, приводящий к синтезу новых мышечных белков и увеличению размера мышечных клеток.

Ключевые выводы модели

Результаты, опубликованные в Biophysical Journal, показывают:

• Существует оптимальный вес для силовых тренировок, индивидуальный для каждого человека и цели.
• Мышцы могут находиться под максимальной нагрузкой очень недолго. Рост зависит от нагрузки, интегрированной по времени.
• Ниже критического порога нагрузки сигнализация практически не активируется, а время тренировки для компенсации должно увеличиваться экспоненциально.
• Выше этого порога быстрая усталость препятствует эффективному результату.

"Наша модель предлагает физиологическое обоснование идеи, что рост мышц в основном происходит при 70% от максимальной нагрузки, что лежит в основе принципов resistance training", — говорит профессор Юджин Терентьев.

Практическое значение

• Модель помогает избежать малопродуктивных режимов тренировок и максимизировать потенциал атлетов.
• Она также описывает проблему атрофии мышц (при длительном постельном режиме или в невесомости), предсказывая, как долго мышца может оставаться неактивной, и каков оптимальный режим восстановления.
• В будущем на основе модели планируется создать удобное приложение для разработки индивидуальных тренировочных программ под конкретные цели.

Исследователи отмечают необходимость улучшения модели за счёт включения детальных данных как по мужчинам, так и по женщинам, поскольку многие спортивные исследования имеют сильный перекос в сторону мужчин-атлетов.