Sport ze względu na swoją rangę może wyglądać zupełnie inaczej. Patrząc na zupełnych amatorów, którzy uprawiają go wyłącznie dla utrzymania zdrowia, przez osoby, które chcą nie tylko utrzymać kondycję fizyczną, ale także dbają o to by być coraz lepszym, a kończąc na sporcie zawodowym, w którym dochodzi do momentu, że zdrowie nie będzie najważniejszym czynnikiem branym pod uwagę, będzie nim natomiast jak najlepszy wynik. W tym wypadku dany sportowiec musi trenować tak, by w swojej dyscyplinie uzyskiwał najlepsze możliwe dla siebie rezultaty. Bardzo często nie wystarczy trening intuicyjny, zawodowcy muszą opierać swoje jednostki treningowe, mikro, mezo i makrocykle na dowodach naukowych, tak by zmaksymalizować swoje wyniki sportowe. W tym wszystkim będą także mieli do czynienia ze zmęczeniem, nie tylko takim w czasie danego treningu, ale także tym przewlekłym, które nieodpowiednio zarządzane może przerodzić się w prawdziwego wroga. Zawodowcom prawdopodobnie nie wystarczy jedynie słuchanie swojego ciała, nie mogą działać na zasadzie, odczucia zmęczenia. Tutaj trzeba wchodzić w bardziej wyrafinowane metody, dzięki którym będą w stanie ocenić bardziej obiektywnie swoje możliwości fizyczne. I właśnie jedną z takich metod jest badanie uwzględniające markery krwi.
O biomarkerach krwi
Biomarkery (tj. „wskaźniki normalnych procesów biologicznych, procesów chorobotwórczych lub odpowiedzi na daną ekspozycję” odnotowały gwałtowny wzrost tzw. medycyny spersonalizowanej, czyli procedur indywidualnie dostosowanych do pacjenta. Mają duży potencjał, aby być obiektywnym uzupełnieniem innych metod przesiewowych w diagnostyce i prognozowaniu chorób, podejmowaniu decyzji terapeutycznych, a także w ocenie sukcesu terapeutycznego. Na przykład wykazano, że stężenia biomarkerów pozwalają przewidywać śmiertelność lub diagnozować ciężkość choroby w określonych warunkach. Ostatnie osiągnięcia naukowe przechodzą od pomiaru pojedynczego biomarkera do podejścia z wieloma markerami w celu określenia całego zakresu miar biologicznych. Sztuczna inteligencja (AI) mogłaby zostać wykorzystana do analizy tych danych i pomocy lekarzom w podejmowaniu świadomych decyzji dotyczących leczenia.
Przenosząc tę perspektywę na grunt sportów elitarnych, „Opcje leczenia” można interpretować jako zalecenie spersonalizowanego obciążenia treningowego i regeneracji. Biomarkery krwi, które w zasadzie są w stanie obiektywnie odzwierciedlić obciążenie treningowe, zmęczenie i potrzeby regeneracji, są już stosowane przez trenerów w celu ułatwienia podejmowania decyzji i zapewnienia zindywidualizowanego zarządzania obciążeniem (tj. zalecenie, monitorowanie i dostosowanie obciążenia pracą) mające na celu optymalizację wydajności i uniknięcie urazów. Jednak ustalone biomarkery, takie jak kinaza kreatynowa (CK) lub mleczan (lactate), choć wrażliwe na obciążenie treningowe oraz wygodne i szybkie do zmierzenia za pomocą urządzeń POC (point-of-care), wychwytują przede wszystkim określoną domenę fizjologiczną, gdy są mierzone wyłącznie w braku innych oznaczeń. Oznacza to, że praktycy w profesjonalnych warunkach sportowych muszą uchwycić wiele markerów, aby całościowo ocenić reakcję na trening i w konsekwencji zarządzać obciążeniem sportowca. Wysokie chroniczne obciążenia treningowe, skład ciała, a także opóźnione szczyty koncentracji mogą dodatkowo prowadzić do błędnych interpretacji. Poszukując innych wiarygodnych alternatyw, wiele nowych biomarkerów (np. CD163, białka szoku cieplnego [HSP], bezkomórkowe DNA [cfDNA], proporcje komórek krwi) wykazało znaczny wzrost po wystandaryzowanych ustawieniach ćwiczeń zapewniając potencjalną wartość dodaną dla zarządzania obciążeniem [1]. Do tej pory koszt i wysiłek związany z regularnym pomiarem innowacyjnych parametrów, takich jak cfDNA, HSP czy cytokiny, są nadal wysokie, co czyni je niewygodnymi dla wielu trenerów czy zawodników do celów monitorowania. Ze względu na rozwijającą się technologię te biomarkery mogą wkrótce stać się istotne dla osób związanych z medycyną sportową za pośrednictwem urządzeń POC. Wiele badań w tej dziedzinie ma również na celu określenie uogólnionego profilu sprężystości lub zdolności treningowej sportowca, który może mieć znaczenie w całej jego karierze, np. genetyczne markery urazu więzadeł [2]. U podstaw wszystkich tych podejść w sporcie leży podobne uzasadnienie do warunków klinicznych, czyli ocena biomarkerów w celu zindywidualizowania leczenia. W tym artykule opiniotwórczym omówione zostaną innowacyjne i wrażliwe na obciążenie biomarkery, a następnie postępy w biotechnologii, takie jak podejścia omiczne, które umożliwiają ocenę różnych biomarkerów i biosygnatur. Część poświęcona zastosowaniom praktycznym koncentruje się na rozważaniach metodologicznych i statystycznych oraz pomysłach na przyszłe projekty badań w celu ustalenia pojawiających się biomarkerów do zarządzania obciążeniem w naukach o sporcie [1].
Kreatyna od testosterone.pl – wspomaga proces treningowy oraz regeneracyjny – KUP TUTAJ
Biomarkery a obciążenie treningowe
Wiele badań poddało sprawdzeniu jak zachowują się różne biomarkery krwi w odniesieniu do wysiłku fizycznego. Celem jest ocenienie przydatności ich pomiarów w kontekście nie tylko oceny danej jednostki treningowej, ale również całego cyklu treningowego oraz regeneracji. Badania mają na celu identyfikacje biomarkerów, które reprezentują odpowiednie i wiarygodne reakcje na obciążenie treningowe, odzwierciedlają cykle regeneracji i procesy regeneracji, a zatem oczekuje się, że wniosą istotny wkład w dziedzinę zarządzania obciążeniem w profesjonalnych warunkach sportowych i przyczynią się do odpowiedniego zarządzania i manipulowanie obciążeniem treningowym. Często używanym punktem wyjścia w ostatnich latach był układ odpornościowy. Aktywność fizyczna indukuje ogólnoustrojową odpowiedź immunologiczną objawiającą się leukocytozą, zmianą proporcji subpopulacji leukocytów oraz uwalnianiem licznych cytokin pro- i przeciwzapalnych. Niektóre z tych molekuł mają ścisły związek ze zmianami metabolicznymi podczas wysiłku fizycznego lub należą do klasy miokin, które działają na poziomie immunologicznym oprócz metabolicznych szlaków sygnałowych. Te markery immunologiczne są bardzo wrażliwe na intensywne ćwiczenia, w zależności między innymi od czasu trwania i intensywności obciążenia, z częściową regulacją obserwowaną również w zależności od rodzaju ćwiczeń. Niektóre z tych markerów są klasyfikowane jako chemokiny, takie jak ligandy chemokin, podczas gdy inne są klasyfikowane jako enzymy, takie jak mieloperoksydaza. Interesujące byłoby również potencjalne zastosowanie tych białek jako biomarkerów w planowaniu ćwiczeń, ponieważ markery immunologiczne wskazują na zróżnicowane zaburzenia homeostazy fizjologicznej lub integralności tkanki. Na przykład niektóre markery są regulowane w zależności od stopnia uszkodzenia mięśni, podczas gdy inne mają zależności np. od procesów neuroimmunologicznych, deficytu energetycznego czy produkcji ciepła. Oczywiście ważne jest, że krew odzwierciedla tylko niewielką część procesów immunologicznych, ale są one dość dobrze zbadane. W związku z tym markery immunologiczne mogą zapewnić oszacowanie obciążenia wewnętrznego na różnych poziomach fizjologicznych i wskazać procesy regeneracji. Markery stresu oksydacyjnego wykazują ścisły związek z odpowiedzią immunologiczną. Aktywność fizyczna powoduje wzrost poziomu reaktywnych form tlenu (ROS). W związku z tym uwalnianych jest więcej produktów stresu oksydacyjnego, które można również wykryć bezpośrednio lub pośrednio we krwi. Obecnie w centrum uwagi znajdują się niektóre markery, które odzwierciedlają poziom stresu oksydacyjnego w kontekście wysiłku sportowego i kolejnych cykli regeneracyjnych. Markery proteomu stresu, takie jak HSP, mają związek zarówno ze zmianami immunologicznymi, jak i stresem oksydacyjnym. Na przykład poziomy HSP70/72 i HSP90 we krwi reagują bardzo wrażliwie na stresory fizjologiczne, takie jak ćwiczenia wytrzymałościowe, a także szybko wracają do normy po zakończeniu ćwiczeń. Co ciekawe, wykazano, że wzrosty HSP70 zależą od intensywności i czasu trwania, z dowodami na zmiany stężeń spoczynkowych po intensywnych okresach treningowych. Zgodnie z tymi ustaleniami ostatnie badania wykazały znaczenie białek wiążących Ca2+ z grupy S100 jako potencjalnie użytecznych biomarkerów w sporcie. Białka S100 reprezentują klasę białek wiążących wapń, które są wrażliwie uwalniane w zależności od obciążenia wysiłkowego, wykazując wzrost po długotrwałych ćwiczeniach wytrzymałościowych, przy czym białko B wiążące wapń S100 wzrasta głównie po bieganiu, ale nie po treningach z udziałem roweru. Ponadto iryzyna uwalniana jest w odpowiedzi na wysiłek fizyczny w wyniku proteolitycznego rozszczepienia białka FNDC5 obecnego w błonie miocytów. Dokładny fizjologiczny mechanizm uwalniania nie jest jeszcze w pełni poznany, jednak przewlekły trening może prowadzić do obniżenia poziomu krążącej iryzyny. Inną ważną kategorią jest dziedzina metabolizmu adenozynotrójfosforanów (ATP), takich jak amoniak, hipoksantyna czy ksantyna. Pod tym względem wykazano, że połączone pomiary mleczanu, amoniaku i hipoksantyny pośrednio odzwierciedlają zmiany stanu energetycznego podczas ćwiczeń. Ponadto hipoksantyna jest omawiana jako obiecujący wskaźnik statusu wytrenowania i predyktor wyników sportowych u sportowców. Warto zauważyć, że dyskutowanych jest wiele innych metabolitów jako odpowiednich biomarkerów w sporcie. Znaczne obciążenie metabolizmu podczas wysiłku powoduje istotne zmiany stężenia we krwi po wysiłku w składzie metabolitu osocza. Na przykład lipidy i substancje lipidopodobne są mobilizowane do krwi podczas długotrwałych ćwiczeń wytrzymałościowych. Metabolity mogą również dostarczać informacji o stanie wytrenowania, ponieważ metabolom trenujących sportowców zmienia się zgodnie z adaptacją treningową na poziomie metabolicznym. W związku z tym zidentyfikowano już niektóre metabolity związane z wydolnością krążeniowo-oddechową, takie jak kilka rodzajów acylo-alkilo-fosfatydylocholiny, podczas gdy inne, takie jak fosfatydylocholiny, są bardziej rozpowszechnione u sportowców siłowych [3-9]. Powyższe markery, wykazują wyraźną regulację powrótu do homeostazy poprzez intensywne ćwiczenia i/lub regularny trening, jak również ponowną regulację do wartości wyjściowych podczas regeneracji. Wstępne wnioski co do ich przydatności są już więc możliwe, gdyż wykazano zmiany czasowe w przebiegu ostrych cykli regeneracyjnych, a także krótkookresowych skumulowanych cykli treningowych. W dłuższej perspektywie szczególnie interesujący jest zakres, w jakim takie markery odzwierciedlają procesy adaptacyjne, na przykład poprzez powiązanie ze zmianami wydolności krążeniowo-oddechowej. Co więcej, w przypadku niektórych markerów nie wiadomo, w jakim stopniu są one regulowane w różny sposób podczas różnych rodzajów ćwiczeń, takich jak trening siłowy lub wytrzymałościowy. Znajomość charakterystycznych dla płci cech lub klasyfikacji związanych ze statusem poziomu wytrenowania nie jest jeszcze dostępna i wskazuje na dalsze ograniczenia, które należy zbadać na etapach walidacji. Większość badań w tym obszarze przeprowadzono w kontekście intensywnego wysiłku, sugerując użycie biomarkerów bezpośrednio po zakończeniu wysiłku do oceny natychmiastowej odpowiedzi fizjologicznej w połączeniu z parametrami obciążenia zewnętrznego. Oprócz oceny obciążenia treningowego, odpowiedzi biomarkerów mogą dostarczyć dodatkowych informacji, takich jak oszacowanie ryzyka choroby u sportowca, na co wskazują odpowiedzi różnych cytokin po wysiłku (np. w IL1-Ra, IL-10). Istnieje jednak zapotrzebowanie na łatwe w użyciu urżadzenia, takie jak urządzenia POC, które umożliwią lekarzom pomiar tych biomarkerów w prosty i szybki sposób. Ponadto należy rozważyć lub pokonać przeszkody specyficzne dla markerów (np. niska specyficzność, potrzebna krew żylna), zanim będzie można ich regularnie używać do monitorowania obciążenia. Należy zauważyć, że istnieją inne domeny fizjologiczne, które są dokładnie zbadane. Na przykład podejścia proteomiczne zidentyfikowały biomarkery związane ze sprawnością fizyczną lub tkanką tłuszczową, takie jak leptyna [10-13].
Różne podejścia bioanalityczne
Wysiłek fizyczny powoduje odpowiedzi na wielu płaszczyznach. Ćwiczenia powodują wielopłaszczyznową i skomplikowaną reakcję fizjologiczną, która jest reprezentowana w ekspresji genów, zmianach epigenetycznych, syntezie białek, metabolizmie energetycznym i związanym z tym metabolomie (odnosi się do pełnego zestawu małocząsteczkowych substancji chemicznych znajdujących się w próbce biologicznej). W kontekście ćwiczeń, głównie w mięśniach i krwi, dostępne są obecnie wyrafinowane metody analityczne na dużą skalę do ilościowego określania ekspresji genów (transkryptomika), białek (proteomika), lipidów (lipidomika) i metabolitów (metabolomika) w celu identyfikacji biomarkerów, które definiują różny stan stresu i cykli regeneracyjnych czy fizjologicznych procesów adaptacyjnych. Tak zwane profilowanie multiomiczne może nawet łączyć te technologie w celu zbadania, w jaki sposób różne poziomy wchodzą ze sobą w interakcje. Choreograficzna interakcja na różnych poziomach fizjologicznych uległa znacznej poprawie dzięki zastosowaniu takiej technologii w sporcie [14]. Technologie omiczne muszą być połączone z odpowiednimi metodami bioinformatycznymi, tak aby te naprawdę istotne można było zidentyfikować na podstawie wielu możliwych celów. Analizy ścieżek i sieci są istotną częścią analizy bioinformatycznej, która może wzmocnić podstawowe naukowe zrozumienie regulacji markerów. Takie podejście ewoluowało w ostatnich latach w kierunku analizy biomarkerów opartej na ścieżkach i sieci, która kładzie szczególny nacisk na odkrywanie paneli markerów, które mogą służyć jako biosygnatura, a nie pojedyncze biomarkery. Bioinformatyczne bazy danych wspierają analizę funkcjonalną i interpretację wyników. W związku z tym dzisiejsze technologie omiczne mogą wnieść cenny wkład w identyfikację biomarkerów, czyli biosygnatur, oraz ich fizjologiczną klasyfikację w kontekście sportu [15].
WPC 80 od testosterone.pl – idealne wsparcie diety sportowca – KUP TUTAJ
Białka i wolne kwasy nukleinowe
Białka są uważane za kluczowe biomarkery, które pozwalają na monitorowanie procesu treningowego. Ze względu na ich wielorakie role funkcjonalne jako enzymów, cząsteczek sygnalizacji komórkowej, kofaktorów i neuroprzekaźników, wiele z tych czynników odzwierciedla obciążenie i regenerację, a także procesy adaptacyjne. Analizy o dużej przepustowości, takie jak możliwe przy użyciu testów multipleksowych lub spektrometrii mas, mogą dostarczyć wskazówek do identyfikacji potencjalnych białek kandydujących jako pierwszy krok. Analogicznie do białek, DNA lub RNA to złożone makrocząsteczki, które można badać wewnątrz lub na zewnątrz komórek jako cfDNA lub krążący RNA (cirRNA). Jeśli chodzi o analizę białek, spektrometria mas zyskuje na znaczeniu w analizie DNA i RNA, ponieważ jest w stanie nie tylko zidentyfikować posttranslacyjne modyfikacje białek [91], ale także modyfikacje nukleotydów o znaczeniu funkcjonalnym i fizjologicznym. W przypadku białek w płynach w laboratoriach stosuje się test immunoenzymatyczny (ELISA), podczas gdy wywodzący się z tej zasady testy immunologiczne z przepływem bocznym są stosowane w POC. Testy z przepływem bocznym mogą być obecnie również wykorzystywane do analizy DNA lub RNA w POC, a podczas pandemii COVID-19 opracowano techniki umożliwiające półilościowe wykonywanie tego badania za pomocą telefonu komórkowego. Aby umożliwić wysokowydajną diagnostykę medyczną kilku różnych białek lub kwasów nukleinowych analizowanych jednocześnie w jednej próbce, zasady testu ELISA połączono z cytometrią przepływową. Wraz z białkami kwasy nukleinowe należą do grupy krążących makrocząsteczek, które mogą podlegać modyfikacjom kowalencyjnym oprócz ich sekwencji aminokwasowej lub zasadowej i dlatego oprócz ich ilości mogą zawierać istotne informacje jakościowe. Analogicznie do typowej glikozylacji, fosforylacji lub cytrulinacji aminokwasów, zasady DNA mogą być metylowane, przenosząc informacje epigenetyczne. Podczas gdy modyfikacje aminokwasów są głównie wskaźnikami innego stanu konformacyjnego, statusu funkcjonalnego lub stabilności, metylacja DNA może w przypadku niektórych części sekwencji być specyficzna dla typu komórki i dlatego może ujawniać pochodzenie DNA. Obecnie istnieje szybko rozwijająca się dziedzina tzw. biopsji płynnej, polegająca na analizie kwasów nukleinowych krążących we krwi [16-18].
Na poziomie DNA oznaczanie ilościowe cfDNA jest przypuszczalnym podejściem do monitorowania ostrego i przewlekłego obciążenia wysiłkowego. Analiza ilościowa w połączeniu z informacjami jakościowymi właśnie potwierdziła pochodzenie cfDNA z komórek linii hematopoetycznej. Analiza epigenetyczna cfDNA specyficzna dla typu komórkowego ujawniła, że większość DNA uwalnianego podczas ćwiczeń jest uwalniana w ciągu kilku minut z neutrofili. Tak więc, w przeciwieństwie do wszechstronnego cirRNA, cfDNA jest cząsteczką wiodącą dla specyficznego procesu, który jest początkowo wyzwalany wraz z początkiem ruchu, to jest aktywacją neutrofili. Wzrost cfDNA należy zatem do kategorii markerów przypisywanych aktywacji neutrofili, które zostały opisane jako wybitna ścieżka, na którą wpływa podczas ostrych ćwiczeń w kilku podejściach omicznych i niedawnym podejściu multi-omicznym [1].
Testy genetyczne
Testy genetyczne w obecnym świecie odgrywają bardzo ważną rolę, nie tylko w procesie treningowy, ale także w całej karierze zawodnika. Dla przykładu, bardzo istotną informacją uzyskaną z nich jest predyspozycja do urazów, którą badacze są w stanie ocenić za pomocą jednorazowego pomiaru. Po otrzymaniu takiej informacji, trenerzy są w stanie dobrać odpowiednie rozwiązania treningowego, bazując właśnie na skłonności do kontuzji zawodnika. Ciekawym aspektem jest także badanie polimorfizmów danych genów. Na przykład wykazano, że polimorfizm IGF-1R 275124 A>C rs1464430 jest reprezentowany u sportowców wytrzymałościowych, a polimorfizm PPARGC1A jest również powiązany z wynikami wytrzymałościowymi. Ponadto genotyp RR polimorfizmu ACTN3 R577X, allel C polimorfizmu IGF-1R oraz wariant genu FTO T>A rs9939609 i/lub ich genotyp AA wykazywały związek z siłą mięśni, podczas gdy warianty genów grupy MMP (rs591058 i rs679620 ) i polimorfizmy COL5A1 rs13946 są związane ze zwiększoną podatnością na kontuzje u sportowców [19]. Jednakże wciąż brakuje badań, które uwzględniały dany proces treningowy bazując na wynikach testów genetycznych. W związku z uwalnianiem krążących markerów, badania genetyczne mają potencjalnie rosnące znaczenie. W przypadku niektórych krążących markerów, takich jak kinaza kreatynowa, istnieją osoby z wysoką i niską odpowiedzią, co najprawdopodobniej wynika z polimorfizmów genetycznych. W związku z tym testowanie takich polimorfizmów przed faktycznym pomiarem markerów może pomóc w sklasyfikowaniu sportowców pod względem przypisania im odpowiedzi w przyszłości. Ostatnio nastąpił gwałtowny wzrost liczby komercyjnych testów genetycznych skierowanych bezpośrednio do konsumenta bez udziału lekarza. Sportowcy i trenerzy w naturalny sposób koncentrują się na wdrażaniu np. skutecznych strategii treningowych w celu optymalizacji wydolności, co może czynić tę grupę szczególnie podatną na takie testy, wierząc, że te wyniki przyczynią się do poprawy wyników wydolnościowych [20]. Dla ostudzenia entuzjazmu, należy także dodać, że, testy genetyczne w sporcie przyniosły interesujące wyniki, ale w przeciwieństwie do testów genetycznych związanych z chorobami, są wciąż w powijakach. Jak dotąd ani testy do identyfikacji talentów, ani testy do zalecania ćwiczeń lub zapobiegania urazom nie wydają się mieć wystarczającej wartości predykcyjnej [21-23].
Bibliografia:
[1] Haller N, Reichel T, Zimmer P, Behringer M, Wahl P, Stöggl T, Krüger K, Simon P. Blood-Based Biomarkers for Managing Workload in Athletes: Perspectives for Research on Emerging Biomarkers. Sports Med. 2023 Jun 21
[2] Mannion S, Mtintsilana A, Posthumus M, van der Merwe W, Hobbs H, Collins M, et al. Genes encoding proteoglycans are associated with the risk of anterior cruciate ligament ruptures. Br J Sports Med. 2014;48(22):1640–6.
[3] Stocchero CM, Oses JP, Cunha GS, Martins JB, Brum LM, Zim- mer ER, et al. Serum S100B level increases after running but not cycling exercise. Appl Physiol Nutr Metab. 2014;39(3):340–4. https:// doi. org/ 10. 1139/ apnm- 2013- 0308.
[4] Schulte S, Schiffer T, Sperlich B, Kleinoder H, Holmberg HC. Serum concentrations of S100B are not affected by cycling to exhaustion with or without vibration. J Hum Kinet. 2011;30:59– 63. https:// doi. org/ 10. 2478/ v10078- 011- 0073-2.
[5] Korta P, Pochec E, Mazur-Bialy A. Irisin as a multifunctional protein: implications for health and certain diseases. Medicina- Lithuania. 2019. https:// doi. org/ 10. 3390/ medic ina55 080485.
[6]. Qiu S, Cai X, Sun Z, Schumann U, Zugel M, Steinacker JM. Chronic exercise training and circulating irisin in adults: a meta- analysis. Sports Med. 2015;45(11):1577–88. https:// doi. org/ 10. 1007/ s40279- 014- 0293-4.
[7] Wlodarczyk M, Kusy K, Slominska E, Krasinski Z, Zielinski J. Change in lactate, ammonia, and hypoxanthine concentrations in a 1-year training cycle in highly trained athletes: applying biomarkers as tools to assess training status. J Strength Cond Res. 2020;34(2):355–64. https:// doi. org/ 10. 1519/ JSC. 00000 00000 003375.
[8] Zielinski J, Kusy K. Hypoxanthine: a universal metabolic indica- tor of training status in competitive sports. Exerc Sport Sci Rev. 2015;43(4):214–21. https:// doi. org/ 10. 1249/ JES. 00000 00000 000055.
[9] Pla R, Pujos-Guillot E, Durand S, Brandolini-Bunlon M, Centeno D, Pyne DB, et al. Non-targeted metabolomics analyses by mass spectrometry to explore metabolic stress after six training weeks in high level swimmers. J Sports Sci. 2021;39(9):969–78.
[10] Haller N, Helmig S, Taenny P, Petry J, Schmidt S, Simon P. Cir- culating, cell-free DNA as a marker for exercise load in intermit- tent sports. PLoS ONE. 2018;13(1): e0191915. https:// doi. org/ 10. 1371/ journ al. pone. 01919 15.
[11] Reichel T, Bosslau TK, Palmowski J, Eder K, Ringseis R, Mooren FC, et al. Reliability and suitability of physiological exercise response and recovery markers. Sci Rep. 2020;10(1):11924.
[12] Williams SA, Kivimaki M, Langenberg C, Hingorani AD, Casas JP, Bouchard C, et al. Plasma protein patterns as comprehensive indicators of health. Nat Med. 2019;25(12):1851. https:// doi. org/ 10. 1038/ s41591- 019- 0665-2.
[13] Serrano-Ostariz E, Terreros-Blanco JL, Legaz-Arrese A, George K, Shave R, Bocos-Terraz P, et al. The impact of exercise dura- tion and intensity on the release of cardiac biomarkers. Scand J Med Sci Sports. 2011;21(2):244–9.
[14] Wheelock CE, Goss VM, Balgoma D, Nicholas B, Brandsma J, Skipp PJ, et al. Application of ’omics technologies to bio- marker discovery in inflammatory lung diseases. Eur Respir J. 2013;42(3):802–25.
[15] Hu ZZ, Huang H, Wu CH, Jung M, Dritschilo A, Riegel AT, et al. Omics-based molecular target and biomarker identification. Methods Mol Biol. 2011;719:547–71.
[16] Moss J, Magenheim J, Neiman D, Zemmour H, Loyfer N, Korach A, et al. Comprehensive human cell-type methylation atlas reveals origins of circulating cell-free DNA in health and disease. Nat Commun. 2018;9(1):5068. https:// doi. org/ 10. 1038/ s41467- 018- 07466-6.
[17] Szilagyi M, Pos O, Marton E, Buglyo G, Soltesz B, Keseru J, et al. Circulating cell-free nucleic acids: main characteristics and clinical application. Int J Mol Sci. 2020. https:// doi. org/ 10. 3390/ ijms2 11868 27.
[18] Tug S, Helmig S, Deichmann ER, Schmeier-Jurchott A, Wag- ner E, Zimmermann T, et al. Exercise-induced increases in cell free DNA in human plasma originate predominantly from cells of the haematopoietic lineage. Exerc Immunol Rev. 2015;21:164–73.
[19] Appel M, Zentgraf K, Kruger K, Alack K. Effects of genetic vari- ation on endurance performance, muscle strength, and injury sus- ceptibility in sports: a systematic review. Front Physiol. 2021;12: 694411.
[20] Vlahovich N, Fricker PA, Brown MA, Hughes D. Ethics of genetic testing and research in sport: a position statement from the Australian Institute of Sport. Br J Sports Med. 2017;51(1):5– 11.
[21] Vlahovich N, Hughes DC, Griffiths LR, Wang G, Pitsiladis YP, Pigozzi F, et al. Genetic testing for exercise prescription and injury prevention: AIS-Athlome consortium-FIMS joint state- ment. BMC Genomics. 2017;18(Suppl 8):818. https:// doi. org/ 10. 1186/ s12864- 017- 4185-5.
[22] Pitsiladis Y, Wang G, Wolfarth B, Scott R, Fuku N, Mikami E, et al. Genomics of elite sporting performance: what lit- tle we know and necessary advances. Brit J Sports Med. 2013;47(9):550. https:// doi. org/ 10. 1136/ bjspo rts- 2013- 092400.
[23] Morales J, Welter D, Bowler EH, Cerezo M, Harris LW, McMa- hon AC, et al. A standardized framework for representation of ancestry data in genomics studies, with application to the NHGRI-EBI GWAS Catalog. Genome Biol. 2018;19(1):21.
