Fecal Aliquot Straw Technique (FAST) allows for easy and reproducible subsampling: assessing interpersonal variation in trimethylamine-N-oxide (TMAO) accumulation
Notice bibliographique
Résumé
BACKGROUND: Convenient, reproducible, and rapid preservation of unique biological specimens is pivotal to their use in microbiome analyses. As an increasing number of human studies incorporate the gut microbiome in their design, there is a high demand for streamlined sample collection and storage methods that are amenable to different settings and experimental needs. While several commercial kits address collection/shipping needs for sequence-based studies, these methods do not preserve samples properly for studies that require viable microbes. RESULTS: We describe the Fecal Aliquot Straw Technique (FAST) of fecal sample processing for storage and subsampling. This method uses a straw to collect fecal material from samples recently voided or preserved at low temperature but not frozen (i.e., 4 °C). Different straw aliquots collected from the same sample yielded highly reproducible communities as disclosed by 16S rRNA gene sequencing; operational taxonomic units that were lost, or gained, between the two aliquots represented very low-abundance taxa (i.e., < 0.3% of the community). FAST-processed samples inoculated into germ-free animals resulted in gut communities that retained on average ~ 80% of the donor's bacterial community. Assessment of choline metabolism and trimethylamine-N-oxide accumulation in transplanted mice suggests large interpersonal variation. CONCLUSIONS: Overall, FAST allows for repetitive subsampling without thawing of the specimens and requires minimal supplies and storage space, making it convenient to utilize both in the lab and in the field. FAST has the potential to advance microbiome research through easy, reproducible sample processing.
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 | 0,001 | 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 | 0,000 | 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 ».