The success of fecal microbial transplantation in <i>Clostridium difficile</i> infection correlates with bacteriophage relative abundance in the donor: a retrospective cohort study
Notice bibliographique
Résumé
Background Fecal microbial transplantation (FMT) is used in the treatment of relapsing Clostridium difficile infection (rCDI). Failure rate for FMT is as high as 10% but the mechanisms contributing to a failed FMT are not understood. We utilized metagenomic data to identify the role of bacteria and bacteriophages on FMT success.Results Subjects with rCDI (n = 19) received FMT from volunteer donors (n = 7) via colonoscopy. Twelve patients fully recovered after a single FMT, while seven patients required a subsequent FMT. DNA was extracted from patient and donor stool samples for shotgun metagenomic analysis. Metagenomics libraries were analyzed focusing on bacterial taxonomy and bacteriophage sequences. Gammaproteobacteria were dominant in rCDI patients prior to FMT largely due to elevated levels of Klebsiella and Escherichia. A successful FMT led to increased levels of Clostridia and Bacteroidia and a reduction in Gammaproteobacteria. In contrast, a failed FMT led to no significant changes in bacterial composition. Bacteriophages were classified during whole metagenomic analysis of each sample and were markedly different between rCDI patients, donors, and a healthy control cohort (n = 96). Bacteriophage sequence reads were increased in CDI patients compared with donors and healthy controls. Successful FMT donors had higher bacteriophage α-diversity and lower relative abundance compared to the donors of a failed initial FMT.Conclusions In this retrospective analysis, FMTs with increased bacteriophage α-diversity were more likely to successfully treat rCDI. In addition, the relative number of bacteriophage reads was lower in donations leading to a successful FMT. These results suggest that bacteriophage abundance may have some role in determining the relative success of FMT.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».