Meta-analysis identifies microbial signatures of disease in murine models of inflammatory bowel disease
Notice bibliographique
Résumé
ABSTRACT The gut microbiota plays a central role in modulating intestinal inflammation, but the identification of specific inflammation-associated microbes has remained elusive. Here, we perform a meta-analysis on metagenomic data from 12 different studies of murine colitis triggered by a variety of genetic and environmental factors with the goal of finding bacterial taxonomic groups that can act as signatures of health or disease across studies, and that can be used to discriminate between healthy and diseased mice. We leveraged recent developments in 16S analysis tools to identify amplicon sequence variants (ASVs) instead of the traditional Operational Taxonomic Units, and used the EZTaxon reference database that distinguishes between currently unnamed and uncharacterized 16S phylotypes. Random Forest model and differential abundance analysis were used to detect microbial signatures that could consistently differentiate healthy from diseased mice, and a ‘dysbiosis index’ was constructed from these. This dysbiosis index was able to correctly distinguish samples derived from inflamed and non-inflamed mice in the majority of studies and significantly outperformed other frequently used metrics of dysbiosis including alpha-diversity, proteobacterial abundance, and the ratio of Bacteroidetes to Firmicutes. 10 of 12 bacteria we identify as associated with the diseased state are members of the order Bacteroidales, including several species from the abundant but poorly understood S24-7 family. The implications of these findings are discussed.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».