MétaCan
Menu
Retour à la cohorte
Enregistrement W2953493704 · doi:10.1074/mcp.ra119.001623

Associations of the Fecal Microbial Proteome Composition and Proneness to Diet-induced Obesity

2019· article· en· W2953493704 sur OpenAlexaff
Hao Quang Tran, Robert H. Mills, Nicole V. Peters, Mary K. Holder, Geert J. De Vries, Rob Knight, Benoît Chassaing, David J. Gonzalez, Andrew T. Gewirtz

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesCrohn's and Colitis Foundation
Mots-clésObesityGut floraFecesBiologyMicrobiomeCohortComposition (language)PhysiologyProteomeEndocrinologyInternal medicineImmunologyMedicineGeneticsEcology

Résumé

récupéré en direct d'OpenAlex

= 5) were among the more obese mice in the cohort. While fecal microbiota composition changed markedly in response to the obesogenic diet, it lacked the ability to predict which mice were relative prone or resistant to obesity. In contrast, fecal metaproteome analysis revealed functional and taxonomic differences among the proteins associated with proneness to obesity. Targeted interrogation of microbiota composition data successfully validated the taxonomic differences seen in the metaproteome. Although future work will be needed to determine the breadth of applicability of these associations to other cohorts of animals and humans, this study nonetheless highlights the potential power of gut microbial proteins to predict and perhaps impact development of obesity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetGut microbiota and healthTravaux en français237 207