O modelo de Mader constitui uma das tentativas mais abrangentes de transformar a bioenergética do exercício em um sistema quantitativo capaz de explicar, a partir de mecanismos metabólicos interdependentes, a relação entre potência mecânica, hidrólise e ressíntese de ATP, fosfocreatina, glicólise, fosforilação oxidativa, lactato, pH e glicogênio. Diferentemente de abordagens que tratam a concentração sanguínea de lactato apenas como marcador empírico da intensidade, o modelo procura explicar por que determinada curva lactato–potência emerge, por que existe uma intensidade máxima metabolicamente sustentável e por que indivíduos com diferentes capacidades oxidativa e glicolítica podem apresentar respostas muito distintas mesmo diante da mesma potência externa. O artigo de Dunst et al. (2026), MetaboliSim: a Python implementation of the Mader model for dynamic and steady-state simulation of muscular energy metabolism, representa um avanço metodológico importante porque implementa de maneira aberta e reproduzível tanto a formulação dinâmica quanto a formulação de estado estável do modelo desenvolvido originalmente por Alois Mader e Hermann Heck.
A premissa central é relativamente simples, embora suas consequências matemáticas sejam complexas: o músculo precisa preservar a disponibilidade de ATP diante de uma demanda energética que pode aumentar dezenas ou centenas de vezes durante o exercício. A potência mecânica externa determina uma demanda correspondente de ATP, e essa demanda precisa ser atendida continuamente pela interação de três grandes vias de ressíntese: o sistema creatina-quinase/fosfocreatina, a glicólise e a fosforilação oxidativa. O modelo acrescenta a essas vias a gliconeogênese como processo de ressíntese de glicogênio a partir do lactato e representa o lactato em compartimentos muscular e sanguíneo, entre os quais ocorre transferência dependente do gradiente de concentração.
Essa estrutura é fundamental para compreender a originalidade do modelo. A glicólise e a fosforilação oxidativa não são tratadas como sistemas que simplesmente “entram em funcionamento” em intensidades distintas. Elas são vias paralelas cuja atividade é continuamente modulada pelo estado energético da célula. Nesse sentido, ADP, AMP e fosfato inorgânico (Pi) constituem elementos centrais da regulação metabólica. O aumento da demanda de ATP modifica o equilíbrio ATP–ADP–AMP e PCr–creatina; essas alterações funcionam como sinais capazes de acelerar a ressíntese oxidativa e glicolítica de ATP. O pH introduz uma retroalimentação negativa sobre a glicólise, enquanto a disponibilidade de glicogênio modifica a capacidade glicolítica e, em menor magnitude, a capacidade oxidativa.
A Figura 1 do artigo sintetiza elegantemente essa arquitetura. A demanda mecânica gera demanda de ATP; abaixo dela encontra-se o conjunto regulador formado por ADP, AMP e Pi; e, a partir desse núcleo regulatório, distribuem-se três vias paralelas de suprimento de ATP: creatina-quinase, glicólise e fosforilação oxidativa. O lactato produzido pela glicólise aparece inicialmente no compartimento muscular, pode difundir-se para o sangue e pode ser oxidado. O pH atua como sinal inibitório sobre a glicólise. Portanto, a curva de lactato constitui resultado emergente de todo o sistema, e não simplesmente expressão isolada da velocidade da glicólise.
O sistema fosfagênio como primeiro elo entre demanda mecânica e controle metabólico
A primeira peça do modelo é o equilíbrio da creatina-quinase (CK). Quando a demanda energética aumenta abruptamente, a hidrólise de ATP gera ADP. A reação da creatina-quinase permite que a fosfocreatina doe rapidamente um grupo fosfato ao ADP, ressintetizando ATP:
PCr + ADP + H⁺ ⇌ ATP + creatina.
Consequentemente, a PCr funciona como um tampão energético capaz de reduzir inicialmente a magnitude das alterações da concentração de ATP. Entretanto, o consumo de PCr aumenta Pi e modifica a relação ATP/ADP. No modelo, essa relação está matematicamente vinculada à relação PCr/Pi pelo equilíbrio da creatina-quinase. A adenilato-quinase acrescenta outro nível de regulação ao relacionar ATP, ADP e AMP. Assim, conhecendo-se PCr, Pi e pH, o sistema pode determinar as concentrações correspondentes de ATP, ADP e AMP.
Esse aspecto merece atenção porque revela que ADP não é apenas consequência do exercício; no modelo, ele é um dos principais sinais reguladores da resposta metabólica. Quanto maior a taxa de hidrólise de ATP, maior a perturbação do estado de fosforilação celular. A redução da PCr e o aumento relativo de ADP sinalizam a necessidade de elevar a ressíntese de ATP. Dessa maneira, o sistema estabelece uma ligação mecanística entre potência externa e metabolismo: a carga não “ativa diretamente” a mitocôndria ou a glicólise; ela aumenta a demanda de ATP, e a perturbação energética resultante aumenta os sinais que regulam essas vias.
É por isso que a dinâmica da PCr durante o início do exercício é particularmente instrutiva. Nas simulações apresentadas por Dunst et al. (2026), a PCr cai rapidamente nos primeiros segundos enquanto o V̇O₂ ainda está aumentando. Quando a fosforilação oxidativa se aproxima da nova condição requerida pela carga, a necessidade de tamponamento pelo sistema PCr diminui e estabelece-se um novo equilíbrio. No exercício sub-MLSS simulado a 200 W, essa resposta ocorre simultaneamente à estabilização posterior do lactato muscular e sanguíneo.
ADP como sinal de controle da fosforilação oxidativa
No modelo de Mader, a velocidade da fosforilação oxidativa depende fortemente do ADP. A relação é representada por uma função do tipo Michaelis–Menten com cooperatividade de Hill. Simplificadamente:
V̇O₂,ss = V̇O₂max / [1 + Ks₁/[ADP]²].
O expoente 2 introduz comportamento cooperativo: pequenos aumentos de ADP em determinadas regiões da curva podem produzir aumentos proporcionalmente maiores da atividade oxidativa. O V̇O₂ não salta instantaneamente para o valor correspondente ao novo estado metabólico; ele se aproxima desse valor segundo uma cinética temporal de primeira ordem. Na implementação padrão do MetaboliSim, a constante utilizada corresponde a τ de aproximadamente cinco segundos, embora o programa também permita uma constante de tempo dependente da intensidade.
Essa formulação permite compreender a relação entre V̇O₂max e capacidade oxidativa dentro do modelo. V̇O₂max funciona como teto da via oxidativa, enquanto ADP determina em que proporção desse teto o sistema opera em determinado instante. Portanto, possuir V̇O₂max elevado não significa operar continuamente nessa taxa. A intensidade do exercício perturba o potencial de fosforilação, aumenta ADP e progressivamente recruta a capacidade oxidativa disponível.
Há aqui uma diferença conceitual importante entre capacidade e fluxo. V̇O₂max representa capacidade oxidativa máxima; o V̇O₂ instantâneo representa o fluxo oxidativo efetivamente mobilizado. Essa distinção também será fundamental para compreender a VLamax: ela representa uma capacidade glicolítica máxima, e não necessariamente a taxa de formação de lactato observada em qualquer intensidade.
VLamax: capacidade glicolítica máxima e não concentração de lactato
A segunda variável individual central do modelo é a VLamax, definida como taxa máxima de formação de lactato e utilizada como parâmetro representativo da capacidade glicolítica máxima. É essencial distingui-la da concentração sanguínea de lactato. Uma VLamax de 0,5 ou 0,7 mmol·L⁻¹·s⁻¹ não significa que o sangue esteja aumentando sua concentração nessa velocidade. Trata-se de uma taxa metabólica modelada, relacionada à capacidade máxima de fluxo pela via glicolítica.
A glicólise é modulada simultaneamente por VLamax, ADP, pH e disponibilidade de glicogênio. Na formulação utilizada pelo artigo, sua taxa pode ser expressa conceitualmente como:
νLa = VLamax × modulação pelo glicogênio × ativação por ADP × inibição por H⁺.
A ativação pelo ADP e a inibição relacionada ao pH são descritas por funções cooperativas com expoente de Hill igual a 3. Isso produz uma resposta fortemente não linear: à medida que ADP aumenta, a taxa glicolítica cresce rapidamente; porém, à medida que a acidose se desenvolve, o sistema introduz uma retroalimentação inibitória sobre a própria glicólise.
Esse mecanismo é particularmente importante porque impede interpretar VLamax como uma “torneira glicolítica” permanentemente aberta em sua capacidade máxima. Um atleta pode possuir VLamax elevada, mas em exercício leve sua taxa glicolítica permanece baixa porque a perturbação do estado energético é pequena. À medida que a intensidade aumenta, a elevação do ADP acelera progressivamente a glicólise até que o fluxo se torne substancial.
A disponibilidade de glicogênio introduz outra camada de controle. O modelo reduz sigmoidamente a capacidade glicolítica efetiva à medida que o glicogênio muscular é depletado e também reduz, em menor magnitude, a capacidade oxidativa. Portanto, VLamax e V̇O₂max não são tratadas como capacidades absolutamente independentes do estado metabólico momentâneo. A disponibilidade de substrato modifica a expressão funcional dessas capacidades.
Lactato: produção, compartimentalização, transporte e oxidação
O lactato constitui um dos elementos mais interessantes do modelo porque não é tratado simplesmente como produto terminal acumulado no músculo. O sistema distingue lactato muscular ([La]m) e lactato sanguíneo ([La]b). O lactato formado no músculo pode permanecer temporariamente nesse compartimento, transferir-se para o sangue de acordo com o gradiente de concentração ou ser oxidado.
Isso tem uma consequência diagnóstica fundamental: lactato sanguíneo não equivale à taxa glicolítica muscular. A concentração que se mede no sangue representa o resultado líquido de produção muscular, distribuição entre compartimentos, transporte e eliminação. Portanto, uma mesma concentração sanguínea pode teoricamente resultar de combinações diferentes de produção e remoção.
Na implementação descrita por Dunst et al. (2026), a oxidação do lactato é representada por cinética saturável associada à atividade da piruvato-desidrogenase (PDH), sendo dependente tanto da concentração de lactato quanto do V̇O₂. O modelo distribui a oxidação total entre compartimentos muscular e sanguíneo, atribuindo dois terços ao músculo e um terço ao compartimento sanguíneo.
É justamente nesse ponto que emerge uma das ideias centrais de Mader: a concentração de lactato depende da relação entre fluxo glicolítico e capacidade oxidativa. O aumento da glicólise não determina obrigatoriamente grande aumento do lactato sanguíneo se o sistema possuir capacidade suficiente para oxidar o substrato produzido. Em contrapartida, quando a taxa de produção aumenta mais rapidamente do que a capacidade de eliminação, a concentração começa a crescer.
A gliconeogênese também aparece no modelo. O lactato pode contribuir para ressíntese de glicogênio, mas esse processo possui custo energético: a implementação considera um custo de 3 mmol de ATP para cada mmol de lactato ressintetizado pela via considerada. A atividade desse processo aumenta com a disponibilidade de lactato e é inibida por ADP, coerentemente com a ideia de que a célula não deveria direcionar energia para ressíntese de reservas quando enfrenta elevada demanda energética imediata.
O pH como retroalimentação negativa da glicólise
O modelo incorpora explicitamente a queda do pH intracelular. A formulação considera a contribuição do Pi, do lactato muscular e do PCO₂ para a condição ácido-base e utiliza uma capacidade tampão não bicarbonato. É importante interpretar esse componente dentro da lógica matemática do modelo, e não como afirmação de que o lactato seja simplesmente a causa bioquímica direta da acidose. O lactato aparece no modelo associado ao estado metabólico no qual há elevada glicólise e perturbação ácido-base, enquanto a fisiologia moderna reconhece uma relação mais complexa entre hidrólise de ATP, transporte de prótons, reações metabólicas e manutenção do equilíbrio ácido-base.
A consequência funcional, entretanto, é clara: conforme o pH diminui, ocorre feedback negativo sobre a glicólise, particularmente pela representação da regulação da fosfofrutoquinase (PFK). Assim, uma intensidade muito elevada inicialmente acelera intensamente a glicólise, mas o próprio ambiente metabólico progressivamente limita sua taxa máxima. Dunst et al. destacam que esse mecanismo contribui para o caráter autolimitante do exercício realizado acima do MLSS. Os autores alertam, porém, que os expoentes de Hill e constantes de semi-inibição utilizados são parâmetros efetivos destinados a reproduzir o comportamento sistêmico e não medidas diretas da regulação da PFK in vivo.
O ponto central do modelo: a competição entre produção e eliminação de lactato
A interpretação do MLSS constitui talvez a aplicação fisiológica mais elegante do modelo. Para uma carga constante P, define-se a taxa bruta de produção glicolítica de lactato, νLa,prod(P), e a capacidade máxima de eliminação oxidativa, νLa,ox,max(P). O estado limite ocorre quando:
νLa,prod(P) = νLa,ox,max(P).
Os autores definem então uma diferença ou production deficit:
PD(P) = νLa,ox,max(P) − νLa,prod(P).
Abaixo do MLSS:
PD > 0.
A capacidade potencial de eliminação é maior que a produção e existe possibilidade de alcançar equilíbrio.
No MLSS:
PD = 0.
Produção e capacidade máxima de eliminação se encontram.
Acima do MLSS:
PD < 0.
A produção supera a capacidade máxima de eliminação e deixa de existir uma solução estável de estado estacionário.
Esse mecanismo é representado graficamente no artigo pela interseção de duas curvas. A capacidade de oxidação aumenta com a potência, enquanto a produção glicolítica apresenta comportamento muito mais acentuadamente não linear. Em intensidades menores existe uma ampla “reserva” entre capacidade de eliminação e produção; à medida que a potência aumenta, essa reserva diminui até que as curvas se interceptem. Essa interseção é o MLSS previsto pelo modelo.
Essa formulação altera radicalmente a interpretação de limiar. O MLSS não precisa ser introduzido artificialmente como “4 mmol·L⁻¹”. Ele emerge matematicamente da interação entre os componentes fisiológicos do sistema. Dunst et al. enfatizam que tanto a potência correspondente ao MLSS quanto a concentração de lactato correspondente, denominada maxLass, não são valores impostos ou medidos pelo modelo: são propriedades emergentes do balanço entre produção glicolítica e eliminação oxidativa.
Por que V̇O₂max maior desloca o MLSS para a direita
Uma das demonstrações mais didáticas do artigo consiste em variar V̇O₂max mantendo VLamax constante. Quando V̇O₂max aumenta de 40 para 80 mL·kg⁻¹·min⁻¹ com VLamax fixada em 0,5 mmol·L⁻¹·s⁻¹, a potência correspondente ao MLSS aumenta aproximadamente de maneira linear. A interpretação é direta: aumentar a capacidade oxidativa amplia a quantidade de energia que pode ser fornecida oxidativamente e aumenta a capacidade de utilização/eliminação do lactato antes que o fluxo glicolítico exceda essa capacidade. MetaboliSim_a_Python_implementa…
Em linguagem fisiológica:
↑ V̇O₂max → ↑ capacidade oxidativa → ↑ capacidade de sustentar fluxo energético sem perda de estabilidade → ↑ potência no MLSS.
Isso explica por que V̇O₂max elevado é importante para endurance, mas também mostra por que ele não explica sozinho o desempenho.
Por que aumentar VLamax pode reduzir a potência no MLSS
O resultado complementar é ainda mais interessante. Mantendo V̇O₂max em 60 mL·kg⁻¹·min⁻¹ e aumentando VLamax de aproximadamente 0,3 para 0,9 mmol·L⁻¹·s⁻¹, o modelo desloca a potência correspondente ao MLSS para a esquerda e aumenta a concentração de lactato em estado estável.
O mecanismo é coerente com a estrutura do modelo. Se dois atletas possuem capacidade oxidativa semelhante, mas um possui maior capacidade glicolítica máxima, sua produção glicolítica cresce mais rapidamente com o aumento da intensidade. Consequentemente, a curva de produção encontra a curva de capacidade oxidativa em potência menor:
↑ VLamax + V̇O₂max constante → ↑ fluxo glicolítico → interseção produção/oxidação mais precoce → ↓ potência no MLSS.
Isso não significa que VLamax elevada seja fisiologicamente indesejável. Significa que existe uma relação específica entre perfil metabólico e demanda esportiva. Para um atleta de endurance prolongado, uma VLamax excessivamente elevada, em relação à capacidade oxidativa, pode reduzir a potência sustentável. Para um velocista, ciclista de pista ou atleta que necessita produzir potência muito elevada durante períodos curtos, uma grande capacidade glicolítica pode ser determinante para o desempenho.
A potência sustentável não é, portanto, função de uma única variável. Dentro do modelo, ela emerge principalmente da relação funcional entre V̇O₂max e VLamax.
O modelo dinâmico: o metabolismo deixa de ser uma fotografia
Outro avanço relevante do MetaboliSim é disponibilizar a formulação dinâmica completa. O modelo integra cinco variáveis de estado:
GP = ATP + PCr; V̇O₂; lactato muscular; lactato sanguíneo; glicogênio muscular.
Essas variáveis são conectadas por um sistema de equações diferenciais ordinárias. Portanto, o modelo não calcula apenas “qual seria o lactato a 250 W”, mas pode simular como PCr, V̇O₂, lactato muscular, lactato sanguíneo e glicogênio evoluem segundo a segundo quando a potência muda.
Isso permite representar fenômenos que uma solução puramente estacionária não consegue descrever. No início de uma carga, por exemplo, a demanda de ATP aumenta imediatamente, enquanto V̇O₂ possui cinética finita. A PCr diminui rapidamente para preencher essa diferença transitória. A glicólise também contribui. Conforme V̇O₂ aumenta, o déficit diminui e estabelece-se uma nova condição energética. A simulação de 200 W apresentada pelos autores reproduz precisamente essa sequência: aumento monoexponencial do V̇O₂, queda rápida da PCr, elevação transitória do lactato e posterior estabilização quando a carga permanece abaixo do MLSS.
O mesmo sistema consegue simular exercício supramáximo. Em um sprint de 500 W seguido de recuperação passiva, a PCr cai acentuadamente durante o esforço e recupera-se posteriormente; o lactato sanguíneo continua aumentando durante os primeiros minutos da recuperação, alcançando pico aproximadamente dois a quatro minutos após a interrupção do exercício. Esse comportamento ilustra uma propriedade fundamental da compartimentalização: o pico sanguíneo de lactato não precisa coincidir temporalmente com o pico de produção muscular, porque existe transporte entre compartimentos e cinética de remoção.
Sub-MLSS e supra-MLSS: estabilidade versus ausência de solução estável
As simulações de corrida tornam particularmente clara a interpretação fisiológica. Utilizando velocidades constantes entre 3,0 e 3,8 m·s⁻¹ durante 25 minutos, o modelo prevê que nas velocidades inferiores o lactato aumenta inicialmente e depois se estabiliza. Nas velocidades superiores, continua aumentando ao longo do exercício. O fenômeno é reproduzido tanto no compartimento muscular quanto no sanguíneo.
A distinção fundamental não é, portanto:
“há lactato” versus “não há lactato”.
Existe produção e utilização de lactato nas duas condições.
A distinção é:
produção e remoção podem alcançar equilíbrio dinâmico versus produção excede a capacidade de eliminação e o sistema não possui estado estável sustentável.
Esse ponto é crucial para compreender fisiologicamente o domínio pesado e a transição para intensidades acima do máximo estado metabólico estável. A concentração de lactato pode estar elevada e ainda assim permanecer estável. O problema fisiológico não é possuir “muito lactato” em sentido absoluto, mas perder a capacidade de estabelecer um equilíbrio compatível com a demanda imposta.
Do teste incremental ao perfil metabólico individual
O modelo também fornece uma interpretação mais sofisticada da curva obtida em um teste incremental. A relação exponencial lactato–potência não precisa ser interpretada como surgimento súbito de metabolismo anaeróbio. Conforme a potência aumenta, cresce a demanda de ATP; PCr diminui e ADP aumenta; o ADP estimula simultaneamente fosforilação oxidativa e glicólise; a resposta dessas vias depende de suas respectivas capacidades máximas, V̇O₂max e VLamax; o lactato produzido é parcialmente oxidado e parcialmente distribuído entre músculo e sangue; e a progressiva modificação do pH retroalimenta negativamente a glicólise.
A curva sanguínea observada é, portanto, a saída macroscópica de uma rede metabólica não linear.
Essa interpretação explica por que simplesmente medir a concentração de lactato em determinado ponto fornece informação incompleta sobre o metabolismo. O objetivo do modelo é inferir os parâmetros capazes de gerar a curva observada. No exemplo apresentado no artigo, um teste incremental sintético foi produzido com V̇O₂max conhecido de 60 mL·kg⁻¹·min⁻¹ e VLamax de 0,7 mmol·L⁻¹·s⁻¹. O ajuste posterior recuperou V̇O₂max de 58,4 mL·kg⁻¹·min⁻¹ e estimou MLSS de 282 W. Os autores, entretanto, fazem uma ressalva metodológica importante: como os próprios dados foram gerados pelo modelo, isso demonstra consistência interna, e não validade contra dados experimentais reais.
MetaboliSim: tornar verificável aquilo que durante décadas permaneceu essencialmente fechado
A contribuição específica de Dunst et al. (2026) não é criar um novo modelo fisiológico, mas transformar o modelo de Mader em uma implementação computacional aberta. Historicamente, Mader e Heck realizaram simulações numéricas desde as décadas de 1980 e 1990, porém o código subjacente não foi publicado. O artigo observa ainda que ferramentas comerciais implementam variantes do modelo de estado estável sem disponibilizar os métodos numéricos. O MetaboliSim procura resolver essa limitação oferecendo as duas formulações — dinâmica e estacionária — em código Python aberto.
Na formulação dinâmica são resolvidas equações diferenciais para o potencial global de fosfato, V̇O₂, lactato muscular, lactato sanguíneo e glicogênio. O equilíbrio CK/AK é recalculado a cada passo para recuperar PCr e ADP. A partir desses valores são determinadas as taxas de glicólise, oxidação, transferência de lactato e gliconeogênese.
Na formulação estacionária, por outro lado, as derivadas temporais são igualadas a zero. Em termos matemáticos, procura-se o ponto fixo do mesmo sistema dinâmico. Assim, as duas versões não constituem dois modelos fisiológicos diferentes: representam a mesma arquitetura metabólica observada sob perspectivas temporais diferentes. O modelo estacionário pergunta “qual equilíbrio pode existir nessa potência?”; o dinâmico pergunta “como o organismo evolui no tempo até esse equilíbrio — ou por que não consegue alcançá-lo?”.
O significado biológico do modelo de Mader
O aspecto mais importante do modelo talvez seja a substituição de uma fisiologia baseada em “sistemas energéticos separados” por uma fisiologia baseada em controle integrado de fluxos. Não existe um momento em que o sistema ATP-PCr termina para que a glicólise comece e outro momento no qual a glicólise seja substituída pela fosforilação oxidativa. As três vias funcionam simultaneamente, mas seus fluxos mudam continuamente em resposta ao estado energético celular.
Em forma conceitual, a lógica do modelo pode ser expressa como:
potência mecânica ↑ → demanda de ATP ↑ → PCr ↓ e ADP/AMP/Pi ↑ → fosforilação oxidativa ↑ + glicólise ↑ → produção de lactato ↑ → oxidação/distribuição do lactato ↑ → alteração do pH → feedback sobre glicólise.
A resposta final depende de duas grandes capacidades individuais:
V̇O₂max → teto da capacidade oxidativa
e
VLamax → teto da capacidade glicolítica.
O MLSS emerge da interação entre ambas.
Essa concepção permite compreender por que dois atletas com V̇O₂max idêntico podem apresentar performances de endurance diferentes e, inversamente, por que aumentar V̇O₂max não constitui a única maneira teoricamente possível de deslocar a curva lactato–potência. Modificar a capacidade glicolítica, a disponibilidade de glicogênio, a capacidade de utilização oxidativa do lactato ou outros componentes do sistema pode alterar a intensidade na qual produção e eliminação deixam de permanecer equilibradas.
Limitações: modelo mecanístico não significa representação completa da realidade
A elegância matemática do modelo não deve ser confundida com validação fisiológica definitiva. Dunst et al. (2026) são explícitos nesse aspecto. O MetaboliSim demonstra correção numérica e plausibilidade fisiológica qualitativa, mas o artigo não realiza validação quantitativa externa utilizando atletas reais. A recuperação de parâmetros a partir de dados sintéticos confirma que o algoritmo consegue recuperar parâmetros gerados pelas próprias equações, mas não demonstra que essas equações reproduzam quantitativamente toda a fisiologia humana.
Além disso, o músculo ativo é tratado como compartimento relativamente homogêneo. O modelo não representa explicitamente heterogeneidade entre fibras tipo I e II, diferenças regionais de perfusão, recrutamento motor progressivo ou contribuição dos tecidos não exercitados para o metabolismo corporal do lactato. A conversão entre potência externa e demanda de ATP assume eficiência mecânica constante, aproximação que pode tornar-se problemática em intensidades extremas. Vários parâmetros cinéticos são valores efetivos obtidos por ajuste do comportamento do sistema e não constantes diretamente mensuradas in vivo. Finalmente, quando V̇O₂max e VLamax são estimados simultaneamente a partir de dados escassos, diferentes combinações podem produzir soluções semelhantes, criando um problema de identificabilidade dos parâmetros.
Essas limitações não diminuem a importância do modelo; elas delimitam corretamente sua interpretação. O modelo de Mader deve ser compreendido como uma hipótese quantitativa integrada sobre a organização da bioenergética muscular, capaz de gerar previsões que podem ser experimentalmente confrontadas, e não como reprodução exata de todos os processos celulares.
Conclusão: o lactato como consequência de um sistema de controle bioenergético
O modelo de Mader oferece uma mudança conceitual particularmente útil para a fisiologia do exercício: o lactato deixa de ser o centro causal da explicação e passa a ser uma das variáveis emergentes do controle energético muscular. A variável fundamental é a necessidade permanente de equilibrar hidrólise e ressíntese de ATP. O aumento da potência perturba o estado de fosforilação; PCr atua como tampão imediato; ADP e AMP sinalizam a necessidade de acelerar a ressíntese; fosforilação oxidativa e glicólise respondem simultaneamente; o lactato produzido distribui-se entre compartimentos e pode ser oxidado; o pH introduz feedback sobre a glicólise; e o glicogênio disponível modifica a capacidade funcional do sistema.
Nesse contexto, V̇O₂max e VLamax deixam de representar simplesmente dois números diagnósticos independentes. Elas constituem, no modelo, dois eixos de capacidade metabólica cuja interação determina grande parte da posição da curva lactato–potência e da intensidade máxima em que um estado metabólico estável ainda pode existir. O MLSS não precisa ser imposto por uma concentração arbitrária de lactato: ele emerge quando o aumento não linear da produção glicolítica encontra o limite da capacidade de eliminação oxidativa.
A principal contribuição contemporânea de Dunst et al. (2026) consiste justamente em tornar essa hipótese mecanística transparente e testável. O MetaboliSim implementa de forma aberta tanto as equações dinâmicas quanto as estacionárias, permitindo simular testes incrementais, cargas constantes, sprints, recuperação e diferentes perfis metabólicos. Os próprios autores ressaltam, entretanto, que a disponibilidade do código abre a possibilidade de uma etapa que ainda precisa ser realizada: submeter as previsões quantitativas do modelo de Mader a validação experimental independente e sistemática.
Assim, mais do que um algoritmo para calcular um “limiar de lactato”, o modelo de Mader constitui uma teoria quantitativa sobre como demanda energética, estado de fosforilação, capacidade oxidativa, capacidade glicolítica, disponibilidade de substratos e remoção de lactato interagem para determinar a transição entre estabilidade e instabilidade metabólica durante o exercício. É precisamente essa passagem de uma interpretação baseada em concentrações isoladas para uma interpretação baseada em fluxos, capacidades e equilíbrios dinâmicos que torna o modelo relevante para a compreensão moderna da fisiologia do endurance.
Referências
DRESCHER, U. et al. Oxygen uptake kinetics following six weeks of interval and continuous endurance exercise training: an explorative pilot study. Respiratory Physiology & Neurobiology, v. 180, p. 191-199, 2012. DOI: 10.1016/j.resp.2011.10.011.
DUNST, K.; SCHARF, V.; HESSE, C.; ASTEROTH, A. MetaboliSim: a Python implementation of the Mader model for dynamic and steady-state simulation of muscular energy metabolism. arXiv:2606.08366v1 [q-bio.QM], 6 jun. 2026.
HECK, H.; BARTMUS, U.; GRABOW, V. Laktat: Stoffwechselgrundlagen, Leistungsdiagnostik, Trainingssteuerung. Berlin: Springer, 2022.
HECK, H.; MADER, A. et al. Justification of the 4-mmol/l lactate threshold. International Journal of Sports Medicine, v. 6, p. 117-130, 1985.
MADER, A. Glycolysis and oxidative phosphorylation as a function of cytosolic phosphorylation state and power output of the muscle cell. European Journal of Applied Physiology, v. 88, p. 317-338, 2003. DOI: 10.1007/s00421-002-0676-3.
MADER, A.; HECK, H. A theory of the metabolic origin of “anaerobic threshold”. International Journal of Sports Medicine, v. 7, supl. 1, p. 45-65, 1986.
MADER, A.; HECK, H. Energiestoffwechselregulation, Erweiterungen des theoretischen Konzepts und seiner Begründungen. In: MADER, A.; ALLMER, H. (ed.). Brennpunkte der Sportwissenschaft. Aachen: Academia, 1994.
VEECH, R. L. et al. Cytosolic phosphorylation potential. Journal of Biological Chemistry, v. 254, p. 6538-6547, 1979.
WHIPP, B. J.; WASSERMAN, K. Oxygen uptake kinetics for various intensities of constant-load work. Journal of Applied Physiology, v. 33, p. 351-356, 1972. DOI: 10.1152/jappl.1972.33.3.351.