The volatile metabolome and microbiome in pulmonary and gastro-intestinal disease
Notice bibliographique
Résumé
Omics-technologies allow detailed characterization of biochemical molecular families enabling data-driven and hypothesis-generating research. In this thesis we explore potential merits and pitfalls of such an approach by studying the volatile metabolome and microbiome in disease diagnosis, phenotyping and prognosis. Diagnosis - The volatile metabolome constitutes of Volatile Organic Compounds (VOCs) reflecting metabolic activity. We describe that analysis of exhaled and fecal VOCs by eNose can discriminate controls from patients with cancer (lung and colorectal), chronic inflammatory conditions (asthma, Cystic Fibrosis, Primary Cilliary Dyskinesia, Crohn’s disease, Ulcerative Colitis) and help to identify patients suffering from fungal (invasive Aspergillosis), bacterial (exacerbation in CF and PCD) and viral (Rhinovirus) infections. These VOCs likely originate from the primary disease process, the systemic response and pathogens directly. Phenotyping - VOCs can differentiate between clinically similar diseases such as CF-PCD and Crohn-Ulcerative Colitis. Furthermore, VOCs can predict whether patients with asthma respond to steroid treatment. These VOCs associate with disease activity, potentially allowing monitoring. Prognosis - We showed VOCs differentiate between children with and without an increased risk to develop asthma, irrespective of symptoms. We made similar observation by analysis of the microbiome (the agglomerate of bacterial species) in the nasopharynx of these children. Omics technologies have a broad potential in medicine allowing diagnosis and characterization of disease processes, potentially prior to clinical onset. Several hurdles however need to be overcome in validation, data-analysis, data-integration, technological development and experiment uniformity. If adequately addressed and integrated into systems medicine, the potential healthcare impact of omics-technologies is profound.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».