Investigation into <i>in vitro</i> and <i>in vivo</i> models using intestinal epithelial IPEC-J2 cells and <i>Caenorhabditis elegans</i> for selecting probiotic candidates to control porcine enterotoxigenic <i>Escherichia coli</i>
Notice bibliographique
Résumé
AIMS: To identify a fast, economic and reliable method for preselecting lactic acid-producing bacterial (LAB) isolates to control enterotoxigenic Escherichia coli (ETEC). METHODS AND RESULTS: Two assays with porcine intestinal epithelial IPEC-J2 cells or Caenorhabditis elegans for selecting effective probiotic candidates were compared. Both assays were based on measuring death of cells or worms caused by ETEC strain JG280. Six of 13 LAB isolates showed ≥50% protection in each assay, among which only four isolates (≥50% protection) were consistently selected by both assays. Isolate CL9 (Lactobacillus reuteri) was further studied. It reduced gene expression of estA, estB and elt in JG280 in both assays. Furthermore, the isolate protected IPEC-J2 and C. elegans from cell and worm death caused by STa, STb or LT enterotoxin expressed in E. coli DH5α. CL9 also promoted host defensive responses by decreasing IL-8 and increasing IL-10 production in IPEC-J2 cells and expression of antimicrobial peptide genes clec-60, clec-85 in C. elegans. CONCLUSIONS: Caenorhabditis elegans is useful for preselecting probiotic candidates to control ETEC after initial screening with IPEC-J2 cells. SIGNIFICANCE AND IMPACT OF THE STUDY: A combination of IPEC-J2 cell and C. elegans assays can improve the effectiveness in preselecting probiotic candidates.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».