MétaCan
Menu
Retour à la cohorte
Enregistrement W2266975378 · doi:10.1038/ncomms8806

Diet and specific microbial exposure trigger features of environmental enteropathy in a novel murine model

2015· article· en· W2266975378 sur OpenAlexafffund
Eric Brown, Marta Wlodarska, Benjamin P. Willing, Pascale Vonaesch, Jun Han, Lisa A. Reynolds, Marie‐Claire Arrieta, Marco Uhrig, Roland W. Scholz, Oswaldo Partida, Christoph H. Borchers, Philippe Sansonetti, B. Brett Finlay

Notice bibliographique

RevueNature Communications · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensCanada's Michael Smith Genome Sciences CentreGenome British ColumbiaUniversity of VictoriaUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEnteropathySubclinical infectionDiseaseBiologyGut floraIntraepithelial lymphocyteImmunologyEtiologyMalnutritionSmall intestineMedicineImmune systemPathologyVirology

Résumé

récupéré en direct d'OpenAlex

Environmental enteropathy (EE) is a subclinical chronic inflammatory disease of the small intestine and has a profound impact on the persistence of childhood malnutrition worldwide. However, the aetiology of the disease remains unknown and no animal model exists to date, the creation of which would aid in understanding this complex disease. Here we demonstrate that early-life consumption of a moderately malnourished diet, in combination with iterative oral exposure to commensal Bacteroidales species and Escherichia coli, remodels the murine small intestine to resemble features of EE observed in humans. We further report the profound changes that malnutrition imparts on the small intestinal microbiota, metabolite and intraepithelial lymphocyte composition, along with the susceptibility to enteric infection. Our findings provide evidence indicating that both diet and microbes combine to contribute to the aetiology of EE, and describe a novel murine model that can be used to elucidate the mechanisms behind this understudied 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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'étudeExpérimental (laboratoire)
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

Citations219
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetChild Nutrition and Water AccessTravaux en français237 207