MétaCan
Menu
Retour à la cohorte
Enregistrement W2105190780 · doi:10.1099/jmm.0.46498-0

The bacteriology of biopsies differs between newly diagnosed, untreated, Crohn's disease and ulcerative colitis patients

2006· article· en· W2105190780 sur OpenAlexafffund
Rodrigo Bibiloni, Marco Mangold, Karen Madsen, Richard N. Fedorak, Gerald W. Tannock

Notice bibliographique

RevueJournal of Medical Microbiology · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueMycobacterium research and diagnosis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaUniversity of Otago
Mots-clésUlcerative colitisBacteroidetesBiologyTemperature gradient gel electrophoresis16S ribosomal RNABacteriaMicrobiologyBacteriologyColitisPathologyDiseaseImmunologyMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

The bacterial community (microbiota) that inhabits the gut of humans appears to be an important source of antigens that drive the chronic immunological processes characteristic of Crohn's disease (CD) and ulcerative colitis (UC). Most of the members of the microbiota have not yet been cultured, but nucleic-acid-based methods of detection and enumeration can provide information about the community. This investigation used these methods to obtain information about the bacteria associated with mucosal surfaces in the gut of 20 CD and 15 UC patients. Biopsies were collected from inflamed and non-inflamed sites in the intestines of newly diagnosed, untreated patients. Biopsies were also collected from several intestinal sites of 14 healthy subjects. The bacterial collections associated with the biopsies were analysed by generating PCR/denaturing gradient gel electrophoresis (DGGE) profiles, the preparation of 16S rRNA gene clone libraries, and qualitative PCR to detect specific groups of bacteria. The total numbers of bacteria associated with the biopsies were determined by real-time quantitative PCR. DGGE profiles generated from the terminal ileum and various colonic regions were characteristic of each individual but differed between subjects. DGGE profiles and 16S rRNA gene libraries showed that the bacteria associated with inflamed and non-inflamed tissues did not differ. UC patients had more bacteria associated with biopsies than did CD patients (P<0.01). Statistical analysis of the composition of 16S rRNA gene libraries showed that the bacterial collections in UC and CD patients differed (P<0.05). Unclassified members of the phylum Bacteroidetes were more prevalent in CD than in UC patients. Therefore, the types and numbers of bacteria associated with biopsy samples were distinctly different for UC and CD patients. The observations made in this study should permit targeting of specific bacteriological abnormalities in investigations of the pathogenesis of inflammatory bowel diseases and provide targets for medical interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,267
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations225
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medical MicrobiologyMême sujetMycobacterium research and diagnosisTravaux en français237 207