Algoritme, der beregner din ideelle koffeinindtagelse, vil blive offentlig i 2019

$config[ads_kvadrat] not found

The Third Industrial Revolution: A Radical New Sharing Economy

The Third Industrial Revolution: A Radical New Sharing Economy

Indholdsfortegnelse:

Anonim

Koffein har været populær i århundreder, men amerikanske hærforskere tror, ​​at vi kun begynder at ridse overfladen af, hvordan du får mest ud af denne stimulans. Med den rette personlige skema er det muligt at sikre, at hver dråbe koffein bruges til at maksimere opmærksomhed og ydeevne. Og endnu bedre, dette værktøj kan være i civile hænder næste år, fortæller dens udviklere Inverse.

App, kaldet 2B-Alert, er stadig under udvikling på Montana State University's Tech Link Center i samarbejde med Jaques Reifman, Ph.D., fra US Army's Medical Research and Materiel Command.

Rapporteret, appen har en række algoritmer, der hjælper med at bestemme det nærmeste, vi skal have til en personlig skema til koffeindosering.

I juni udgav holdet et papir i Journal of Sleep Research hvilket tyder på, at algoritmerne - der endnu ikke er tilgængelige for offentligheden - kan lære, hvordan en person reagerer på koffein gennem en række reaktionstesttest og bruger disse oplysninger til at bestemme de perfekte tider, de tager en kaffepause.

Quentin King, Ph.D., senior teknologichef hos TechLink, siger, at appen har genereret en masse buzz siden den blev annonceret.

"Vi har set et enormt svar siden sommeren; både fra virksomheder, der genkender den kommercielle mulighed i partnerskab med hæren for at bringe 2B-Alert til markedet, og fra personer, der spørger, hvor de kan hente appen, fortæller han Inverse.

"Jeg kan ikke levere en garanteret leveringsdato; Men vi forventer en tidsskala på ca. to til seks måneder."

Hæren har undersøgt koffeinvirkninger på soldater i et stykke tid, men King søger at bringe denne app til civile: Han peger specielt på, at universitetsstuderende studerer for eksamener eller elite atleter, der søger at forbedre ydeevnen. Men spørgsmålet er, om denne app faktisk kan forudsige, hvordan en person behandler koffein for at få mest muligt ud af deres dosis. Hvis appen kan tage højde for det, har King og hans team et stærkt værktøj på deres hænder.

Hvorfor individuelle koffein dosering er så hårdt: genetiske faktorer

At finde ud af, hvordan man maksimerer effekten af ​​koffein til ydeevne, er allerede genstand for igangværende forskning på Massey Universitys skole for motion, sport og videnskab i New Zealand (ikke tilknyttet denne app), hvor de har undersøgt, hvordan elite atleter kan brug koffein for at forbedre ydeevnen. Kyle Southward, en forskningsassistent, der udgav et papir i tidsskriftet næringsstoffer i september fortæller Inverse at hans arbejde har indsnævret nogle specifikke genetiske markører, der kan holde nøglen.

"Vi ved, at nogle gener påvirker reaktioner på koffeinindtagelse," siger han. "Vi vil gerne lave mere specifikke retningslinjer for at optimere de ergogene" - præstationsfremmende - "virkninger fra koffeintilskud."

Lige nu synes der at være to gener, der primært påvirker hvordan nogen kan behandle koffein: CYP1A2 og ADORA2A.

Hvad angår koffeindosering, siger Southward, at CYP1A2 sandsynligvis vil påvirke hvornår nogen bør begynde at drikke kaffe før en begivenhed, fordi det påvirker, hvor hurtigt koffein er nedbrudt i kroppen. Mennesker med en bestemt variation af dette gen er "hurtige stofskifte", hvilket betyder, at deres kroppe hurtigt behandler koffein.

Mærkeligt er dette ikke altid relateret til et forbedret boost. Faktisk mener Southward, at personer med denne genotype måske skal tage koffein tættere på deres begivenhed (sport, eksamen eller andet), fordi koffein forbliver aktiv i kortere tid i deres kroppe sammenlignet med de "langsomme metabolisatorer".

ADORA2A påvirker på den anden side hvordan hårdt den koffeinhøje kan ramme. Dette gen koder for adenosinsensorer i hjernen, som koffein binder sig til at inducere dets virkninger. Southward forklarer, at dette gen sandsynligvis påvirker, hvor følsomt nogle mennesker er for koffein - uanset om de bare føler energi eller har tendens til at føle sig nervøs og nervøs. Selv om de ikke er helt sikre på, hvordan dette virker, er ideen, at nogle enkeltpersoner måske bare har brug for mindre koffein for at opnå det samme boost som andre.

"Vores hypotese er, at nogle individer med en variation af ADORA2A genet måske ikke har brug for så meget koffein sammenlignet med de andre variationer," tilføjer han. "De ville modtage tvetydige ergogene effekter med en mindre mængde koffein sammenlignet med et mindre følsomt individ."

Disse genetiske forskelle er blot nogle få af de mange faktorer, der påvirker, når en person skal forbruge koffein, og hvor meget de skal tage. Kort sagt, en app, der giver individualiserede koffeindoseringsplaner, har mange confounding faktorer.

Hvordan Appen skaber personlige anbefalinger til koffein

Den eneste måde at virkelig vide, om du er en hurtig eller langsom metabolizer, ville være at gennemgå genetisk testning, men denne app virker som om den bare vil skabe en tilnærmelse. På sit websted tilbyder teamet, at algoritmen "lærer en individuel brugers specifikke fænotypiske reaktioner på søvnforløb og koffeinforbrug", så i den forbindelse ser det ud til, at de tager tilpassede svar på koffein i betragtning. Inverse har nået til hærens Medical Research and Materiel Command vedrørende dette krav og vil opdatere denne artikel med deres svar.

En personlig mobilapp er et ret stort fremskridt for 2B-Alert, som i første omgang lancerede et online værktøj til at forudsige effekten af ​​koffein og sove på årvågenhed i 2016. Dette værktøj tog højde for en "gennemsnitlig bruger", men den fuldt funktionelle version - i øjeblikket kun tilgængelig for militæret - synes at gå ud over disse generaliteter.

Men hvad angår koffeindosering, ser det ud til, at one-size-fits-all model forsvinder. Vi har brugt koffein i århundreder, men kun nu finder vi ud af, hvordan vi optimerer det.

Du kan også lide: En neurovidenskab afslører forbindelsen mellem koffein og angst

$config[ads_kvadrat] not found