Inter-personal diversity and temporal dynamics of dental, tongue, and salivary microbiota in the healthy oral cavity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Oral microbes form a complex and dynamic biofilm community, which is subjected to daily host and environmental challenges. Dysbiosis of the oral biofilm is correlated with local and distal infections and postulating a baseline for the healthy core oral microbiota provides an opportunity to examine such shifts during the onset and recurrence of disease. Here we quantified the daily, weekly, and monthly variability of the oral microbiome by sequencing the largest oral microbiota time-series to date, covering multiple oral sites in ten healthy individuals. Temporal dynamics of salivary, dental, and tongue consortia were examined by high-throughput 16S rRNA gene sequencing over 90 days, with four individuals sampled additionally 1 year later. Distinct communities were observed between dental, tongue, and salivary samples, with high levels of similarity observed between the tongue and salivary communities. Twenty-six core OTUs that classified within Streptococcus, Fusobacterium, Haemophilus, Neisseria, Prevotella , and Rothia genera were present in ≥95% samples and accounted for ~65% of the total sequence data. Phylogenetic diversity varied from person to person, but remained relatively stable within individuals over time compared to inter-individual variation. In contrast, the composition of rare microorganisms was highly variable over time, within most individuals. Using machine learning, an individual's oral microbial assemblage could be correctly assigned to them with 88–97% accuracy, depending on the sample site; 83% of samples taken a year after initial sampling could be confidently traced back to the source subject.
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.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle