A proteomic approach towards understanding the cross talk between <i>Bacteroides fragilis</i> and <i>Bifidobacterium longum</i> in coculture
Notice bibliographique
Résumé
A better understanding of the interactions among intestinal microbes is needed to decipher the complex cross talk that takes place within the human gut. Bacteroides and Bifidobacterium genera are among the most relevant intestinal bacteria, and it has been previously reported that coculturing of these 2 microorganisms affects their survival. Therefore, coculturing of Bifidobacterium longum NB667 and Bacteroides fragilis DSMZ2151 was performed with the aim of unravelling the mechanisms involved in their interaction. To this end, we applied proteomic (2D-DIGE) analyses, and by chromatographic techniques we quantified the bacterial metabolites produced during coincubation. Coculture stimulated the growth of B. longum, retarding that of B. fragilis, with concomitant changes in the production of some proteins and metabolites of both bacteria. The combined culture promoted upregulation of the bifidobacterial pyruvate kinase and downregulation of the Bacteroides phosphoenolpyruvate carboxykinase - 2 enzymes involved in the catabolism of carbohydrates. Moreover, B. fragilis FKBP-type peptidyl-prolyl cis-trans isomerase, a protein with chaperone-like activity, was found to be overproduced in coculture, suggesting the induction of a stress response in this microorganism. This study provides mechanistic data to deepen our understanding of the interaction between Bacteroides and Bifidobacterium intestinal populations.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».