The Semen Microbiome and Its Relationship with Local Immunology and Viral Load in HIV Infection
Notice bibliographique
Résumé
Semen is a major vector for HIV transmission, but the semen HIV RNA viral load (VL) only correlates moderately with the blood VL. Viral shedding can be enhanced by genital infections and associated inflammation, but it can also occur in the absence of classical pathogens. Thus, we hypothesized that a dysregulated semen microbiome correlates with local HIV shedding. We analyzed semen samples from 49 men who have sex with men (MSM), including 22 HIV-uninfected and 27 HIV-infected men, at baseline and after starting antiretroviral therapy (ART) using 16S rRNA gene-based pyrosequencing and quantitative PCR. We studied the relationship of semen bacteria with HIV infection, semen cytokine levels, and semen VL by linear regression, non-metric multidimensional scaling, and goodness-of-fit test. Streptococcus, Corynebacterium, and Staphylococcus were common semen bacteria, irrespective of HIV status. While Ureaplasma was the more abundant Mollicutes in HIV-uninfected men, Mycoplasma dominated after HIV infection. HIV infection was associated with decreased semen microbiome diversity and richness, which were restored after six months of ART. In HIV-infected men, semen bacterial load correlated with seven pro-inflammatory semen cytokines, including IL-6 (p = 0.024), TNF-α (p = 0.009), and IL-1b (p = 0.002). IL-1b in particular was associated with semen VL (r(2) = 0.18, p = 0.02). Semen bacterial load was also directly linked to the semen HIV VL (r(2) = 0.15, p = 0.02). HIV infection reshapes the relationship between semen bacteria and pro-inflammatory cytokines, and both are linked to semen VL, which supports a role of the semen microbiome in HIV sexual transmission.
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) | 0,000 | 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 ».