The Subgingival Microbiota of Papillon‐Lefèvre Syndrome
Notice bibliographique
Résumé
BACKGROUND: There is little information about the microbiologic profiles of periodontal lesions in Papillon-Lefèvre syndrome (PLS) and the significance of bacteria in the pathogenesis of periodontitis in these patients. This comprehensive analysis of the subgingival microbiota in patients with PLS used 16S ribosomal RNA (rRNA) clonal analysis and the 16S rRNA-based Human Oral Microbe Identification Microarray (HOMIM). METHODS: Thirteen patients with PLS from seven unrelated families volunteered for this microbiologic study. Subgingival plaque was collected with sterile paper points from multiple sites with ≥5 mm probing depth, and whole genomic DNA was extracted. The 16S rRNA genes were amplified, cloned, and sequenced. The samples were then probed for ≈300 predominant oral bacterial species using the HOMIM. RESULTS: The most commonly detected phylotypes in the clonal analysis were Gemella morbillorum, Gemella haemolysans, Granulicatella adiacens, Lachnospiraceae OT 100 (EI074), Parvimonas micra, Selenomonas noxia, and Veillonella parvula. As a group, streptococci were commonly detected in these individuals. In the HOMIM analysis, a total of 170 bacterial species/phylotypes were detected, with a range of 40 to 80 species per patient with PLS. Of these, 12 bacterial species were detected in medium to high levels in ≥50% of the individuals. The high-frequency strains were clustered into eight groups: Aggregatibacter actinomycetemcomitans, Campylobacter spp., Capnocytophaga granulosa, G. morbillorum, P. micra, Porphyromonas endodontalis, Streptococcus spp., and Tannerella forsythia. CONCLUSIONS: The subgingival microbiota in PLS is diverse. Periodontal pathogens commonly associated with chronic and aggressive periodontitis and opportunistic pathogens may be associated with the development of severe periodontitis in patients with PLS.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».