Host Immune Selection of Rumen Bacteria through Salivary Secretory IgA
Notice bibliographique
Résumé
The rumen microbiome is integral to efficient production in cattle and shows strong host specificity, yet little is known about what host factors shape rumen microbial composition. Secretory immunoglobulin A (SIgA) is produced in large amounts in the saliva, can coat both commensal and pathogenic microbes within the gut, and presents a plausible mechanism of host specificity. However, the role salivary SIgA plays in commensal bacteria selection in ruminants remains elusive. The main objectives of this study were to develop an immuno-affinity benchtop method to isolate SIgA-tagged microbiota and to determine if salivary SIgA preferentially binds selected bacteria. We hypothesized that SIgA-tagged bacteria would differ from total bacteria, thus supporting a potential host-derived mechanism in commensal bacterial selection. Whole rumen (n = 9) and oral secretion samples (n = 10) were incubated with magnetic beads conjugated with anti-secretory IgA antibodies to enrich SIgA-tagged microbiota. Microbial DNA from the oral secretion, whole rumen, SIgA-tagged oral secretion, and SIgA-tagged rumen was isolated for amplicon sequencing of V1-V3 region of 16S rDNA genes. Whole rumen and oral secretion had distinctive (P < 0.05) bacterial compositions indicated by the NMDS plot using Euclidean distance metrics. The SIgA-tagged microbiota from rumen and oral secretion had similar abundance of Bacteroidetes, Actinobacteria, Fibrobacter, candidate phyla TM7, and Tenericutes and are clustered tightly. Composition of SIgA-tagged oral secretion microbiota was more similar to whole rumen microbiota than whole oral secretion due to enrichment of rumen bacteria (Lachnospiraceae) and depletion of oral taxa (Streptococcus, Rothia, Neisseriaceae, and Lactobacillales). In conclusion, SIgA-tagged oral secretion microbiota had an increased resemblance to whole rumen microbiota, suggesting salivary SIgA-coating may be one host-derived mechanism impacting commensal colonization. Further studies, to explore the variations in antibody affinity between different animals as a driver of microbial composition are warranted.
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) | 0,000 | 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 | 0,001 | 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) | 0,001 | 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 ».