Vaginal bacteriome of Nigerian women in health and disease: A study with 16S rRNA metagenomics
Notice bibliographique
Résumé
Introduction: The argument on what bacteria make up healthy vagina and bacterial vaginosis (BV) remain unresolved. Black women most often are placed in grade IV vaginal communities as lacking Lactobacillus-dominated microbes. We sought to determine the vaginal microbiota compositions of healthy and those with BV using 16S rRNA metagenomics methods.Materials and Methods: Twenty-eight women provided vaginal swabs for Nugent scoring. Fifteen had BV (Nugent score 7–10), whereas 13 were normal (Nugent score 0–3). DNA was extracted and 16S rRNA V4 region amplified using custom bar-coded primers prior to sequencing with MiSeq platform. Sequence reads were imported into Illumina BaseSpace Metagenomics pipeline for 16S rRNA recognition. Distribution of taxonomic categories at different levels of resolution was done using Greengenes databases. Manhattan principal component analysis was used for similarity clustering.Results: Non-BV subjects were colonized by 12 taxonomic phyla that represent 182 genera and 357 species. Overall, 23 phyla representing 388 genera and 805 species were identified in BV subjects. Firmicutes represented 95% of the sequence reads in non-BV subjects with Lactobacillus-dominated genera and Lactobacillus crispatus–dominated species, followed by Proteobacteria (3.78%), Actinobacteria (0.74%), and Bacteriodetes (0.05%). In BV subjects, Firmicutes represented 59% of the classified sequence reads, followed by Bacteroidetes (19%), Actinobacteria (15.8%), Fusobacteria (4.08%), Proteobacteria (1.48%), and Tenericutes (1.25%).Conclusion: Non-BV healthy Black African, Nigerian women had Lactobacillus genera as the predominant microbiota, contrary to published reports. The study shows that BV subjects had varying proportions of diverse bacteria similar to studies from other parts of the world.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».