Cervical Microbiome and Cytokine Profile at Various Stages of Cervical Cancer: A Pilot Study
Notice bibliographique
Résumé
Cervical cancer (CC) is caused by high-risk human papillomavirus persistence due to the immunosuppressive tumor microenvironment mediated by cytokines. Vaginal microbiota determines the presence of certain cytokines locally. We assessed the association between cervical microbiota diversity and the histopathological diagnosis of each stage of CC, and we evaluated mRNA cervical expression levels of IL-4, IL-6, IL-10, TGF-β1, TNF-α and IFN-γ across the histopathological diagnosis and specific bacterial clusters. We determined the cervical microbiota by high throughput sequencing of 16S rDNA amplicons and classified it in community state types (CST). Mean difference analyses between alpha-diversity and histopathological diagnosis were carried out, as well as a β-diversity analysis within the histological diagnosis. Cervical cytokine mRNA expression was analyzed across the CSTs and the histopathological diagnoses. We found a significant difference in microbiota's diversity in NCL-HPV negative women vs those with squamous intraepithelial lesions (SIL) and CC(p = 0.006, p = 0.036).When β-diversity was evaluated, the CC samples showed the highest variation within groups (p<0.0006) and the largest distance compared to NCL-HPV negative ones (p<0.00001). The predominant bacteria in women with normal cytology were L. crispatus and L. iners, whereas for SIL, it was Sneathia spp. and for CC, Fusobacterium spp. We found higher median cervical levels of IL-4 and TGF-β1 mRNA in the CST dominated by Fusobacterium spp. These results suggest that the cervical microbiota may be implicated in cervical cancer pathology. Further cohort studies are needed to validate these findings.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».