Neuroinflammation in Autism: Plausible Role of Maternal Inflammation, Dietary Omega 3, and Microbiota
Notice bibliographique
Résumé
Several genetic causes of autism spectrum disorder (ASD) have been identified. However, more recent work has highlighted that certain environmental exposures early in life may also account for some cases of autism. Environmental insults during pregnancy, such as infection or malnutrition, seem to dramatically impact brain development. Maternal viral or bacterial infections have been characterized as disruptors of brain shaping, even if their underlying mechanisms are not yet fully understood. Poor nutritional diversity, as well as nutrient deficiency, is strongly associated with neurodevelopmental disorders in children. For instance, imbalanced levels of essential fatty acids, and especially polyunsaturated fatty acids (PUFAs), are observed in patients with ASD and other neurodevelopmental disorders (e.g., attention deficit hyperactivity disorder (ADHD) and schizophrenia). Interestingly, PUFAs, and specifically n-3 PUFAs, are powerful immunomodulators that exert anti-inflammatory properties. These prenatal dietary and immunologic factors not only impact the fetal brain, but also affect the microbiota. Recent work suggests that the microbiota could be the missing link between environmental insults in prenatal life and future neurodevelopmental disorders. As both nutrition and inflammation can massively affect the microbiota, we discuss here how understanding the crosstalk between these three actors could provide a promising framework to better elucidate ASD etiology.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».