Current and future uses of real-time polymerase chain reaction and microarrays in the study of intestinal microbiota, and probiotic use and effectiveness
Notice bibliographique
Résumé
Probiotics are defined as live microorganisms that confer a health benefit to the host when administered in adequate amounts. In addition to human health benefits, probiotics can improve various aspects of growth and performance in livestock and poultry, as well as control undesirable microorganisms in food animals. Studies indicate that probiotics can prevent or treat certain conditions, including atopic disease in infants, food allergy, infection after surgery, acute diarrhea, and symptoms associated with irritable bowel syndrome. Understanding the complete mechanism, effectiveness, and potential use of probiotics is limited by the availability and sensitivity of current methods (i.e., culturing techniques). In recent years, real-time polymerase chain reaction (PCR) and microarrays have become prominent and promising methods to examine quantitative changes of specific members of the microbial community and the influence of probiotics on the structure and function of human and animal intestinal ecosystems. Culture-independent studies have established that only a fraction of organisms present in feces are cultivable, therefore, results obtained by cultivation are limited. Conversely, in-depth knowledge of microbial genomes has enabled real-time PCR and microarrays to be more sensitive and has resulted in precise methods for comprehensive analysis of the complex gut microbiota. Additionally, these technologies can assess the influence of intestinal microorganisms on host metabolism, nutrient status, and disease. This paper reviews method technologies and applications of real-time PCR and microarray assays as they relate to the effect and use of probiotics on the intestinal microbiota and gastrointestinal disease.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».