Perilipin-2 modulates dietary fat-induced microbial global gene expression profiles in the mouse intestine
Notice bibliographique
Résumé
BACKGROUND: Intestinal microbiota are critical determinants of obesity and metabolic disease risk. In previous work, we showed that deletion of the cytoplasmic lipid droplet (CLD) protein perilipin-2 (Plin2) modulates gut microbial community structure and abrogates long-term deleterious effects of a high-fat (HF) diet in mice. However, the impact of Plin2 on microbiome function is unknown. RESULTS: Here, we used metatranscriptomics to identify differences in microbiome transcript expression in WT and Plin2-null mice following acute exposure to high-fat/low-carbohydrate (HF) or low-fat/high-carbohydrate (LF) diets. Consistent with previous studies, dietary changes resulted in significant taxonomic shifts. Unexpectedly, when fed a HF diet, the microbiota of Plin2-null and WT mice exhibited dramatic shifts in transcript expression despite no discernible shift in community structure. For Plin2-null mice, these changes included the coordinated upregulation of metabolic enzymes directing flux towards the production of growth metabolites such as fatty acids, nucleotides, and amino acids. In contrast, the LF diet did not appear to induce the same dramatic changes in transcript or pathway expression between the two genotypes. CONCLUSIONS: Our data shows that a host genotype can modulate microbiome function without impacting community structure and identify Plin2 as a specific host determinant of diet effects on microbial function. Along with uncovering potential mechanisms for integrating how diet modulates host and microbial metabolism, our findings demonstrate the limits of 16S rRNA surveys to inform on community functional activities and the need to prioritize metatranscriptomic studies to gain more meaningful insights into microbiome function.
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 | 0,001 | 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 ».