Ecobiotherapy Rich in Firmicutes Decreases Susceptibility to Colitis in a Humanized Gnotobiotic Mouse Model
Notice bibliographique
Résumé
BACKGROUND: Alterations in the intestinal microbiota, characterized by depletion of anti-inflammatory bacteria, such as Firmicutes, in patients with ulcerative colitis (UC) have prompted interest in microbiota-modulating strategies for this condition. The aim of this study was to evaluate the role of fecal and synthetic human microbial ecosystems, low or enriched in Firmicutes, on colitis susceptibility and host immune responses. METHODS: The microbiota of selected healthy and UC human donors was characterized by culture method and 16S rRNA-based sequencing. Germ-free mice were colonized with fecal or a synthetic ecosystem enriched (healthy donors) or low (UC donors) in Firmicutes. Experimental colitis was induced using dextran sodium sulfate. Colon transcriptome and colon lamina propria cells were evaluated in mice postcolonization by RNA-seq and flow cytometry, respectively, and T helper (TH) 17 differentiation was assessed in vitro. RESULTS: Mice colonized with microbiota from patients with UC low in Firmicutes had increased sensitivity to colitis compared with mice colonized with fecal or synthetic ecosystems rich in Firmicutes. Microbiota low in Firmicutes increased expression of TH17-related genes and expansion of interleukin-17A-expressing CD4 cells in vivo. Supplementation with bacterial isolates belonging to the Firmicutes phylum abrogated the heightened TH17 responses in vitro. CONCLUSIONS: A microbiota rich in Firmicutes derived from fecal samples of a healthy human donor, or assembled synthetically, downregulated colonic inflammation and TH17 pathways in mice. The results support the use of ecobiotherapy strategies, enriched in Firmicutes, for the prevention or treatment of UC.
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 | 0,000 | 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 ».