Exercise training modifies gut bacterial composition in normal and diabetic mice (LB434)
Notice bibliographique
Résumé
Background: Intestinal microbiota are increasingly recognized as potential modifiers of whole‐body energy metabolism. Previous research has described changes in bacterial composition in diabetes; this study examines whether these differences can be altered with lifestyle treatment. Methods: Six‐week‐old diabetic (db/db) and control littermates (db+) were randomized into sedentary or exercise training groups for 6 weeks (n=9‐10/treatment). All animals consumed an identical, chow‐based diet. Exercise consisted of low‐intensity treadmill running (5d/week), and was ceased 48h prior to sacrifice. Cecal matter was collected from individual mice at sacrifice. Total bacterial DNA was extracted and quantified, and bacterial species were detected and profiled using qPCR and group specific primers. Genomic data is reported as the log transformed 16S rRNA copy number normalized for the amount of cecal matter analyzed. Results: Compared to db+ mice, db/db had higher Clostridium Difficile and lower Clostridium Perfringens (P蠄0.05). However, exercise training increased Clos. Perfringens levels in both db+ and db/db (P<0.001); in this way, exercise mitigated the diabetes‐induced reduction in Clos. Perfringens such that exercised db/db mice had levels (5.30 ± 0.09) similar to sedentary db+ (5.19 ± 0.06; P=0.30) and approached that of exercised db+ mice (5.49 ± 0.05; P=0.094). Exercise training independently reduced Bacteroidetes (P=0.009) and increased Clostridium Leptum (P蠄0.05) levels in both db+ and db/db animals. Finally, exercise training increased Bifidobacterium in db+ animals but not db/db mice (P<0.001 for interaction). Conclusion: Diabetes is associated with alterations in the gut bacteria profile, particularly in the Firmicutes species. Exercise training exerts independent effects on bacterial composition in both diabetic and non‐diabetic animals, and may rescue some diabetes‐associated alterations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».