Living the high life: Could gut microbiota matter for adaptation to high altitude?
Notice bibliographique
Résumé
At high altitude, the reduced availability of thermal energy and oxygen poses major challenges to organisms. Different species or populations have evolved similar solutions to these challenges, such as blood flow regulation in animals (Bouverot, 1985). Previous studies investigating such convergent adaptations have primarily looked at changes in host genomes (e.g., see Scheinfeldt & Tishkoff, 2010), but have rarely considered the potential role of the gut microbiome in mediating host adaptation. As gut microbes can indirectly regulate host blood pressure (Pluznick, 2014) and energy intake efficiency, it has been hypothesized that they could help maintain normal energy production and/or optimize nutritional assimilation in high-altitude hypoxic environments (e.g., Li & Zhao, 2015). However, it has been hard to (a) show that there is a direct effect of altitude on the gut microbiota, because of the many potential confounding effects of altitude (e.g., diet is correlated to altitude, as well as to the microbiome) and to (b) understand the mechanisms by which the microbiota could mediate host hypoxic and thermoregulatory stresses. In this issue of Molecular Ecology, Suzuki, Martins, and Nachman (2018) show that, independently of diet, taxonomic composition and functions of mouse gut microbiota converge in independent high-altitude environments and propose the intriguing hypothesis that some of these functional convergences might be beneficial to their host.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».