A conserved enzyme found in diverse human gut bacteria interferes with anticancer drug efficacy
Notice bibliographique
Résumé
Pharmaceuticals are the top predictor of inter-individual variations in gut microbial community structure 1 , consistent with in vitro evidence that host-targeted drugs inhibit gut bacterial growth 2 and are extensively metabolized by the gut microbiome 3,4 . In oncology, bacterial metabolism has been implicated in both drug efficacy 5,6 and toxicity 7,8 ; however, the degree to which bacterial drug sensitivity and metabolism can be driven by conserved pathways also found in mammalian cells remains poorly understood. Here, we show that anticancer fluoropyrimidine drugs inhibit the growth of diverse gut bacterial strains by disrupting pyrimidine metabolism, as in mammalian cells. Select bacteria metabolized 5-fluorouracil (5-FU) to its inactive metabolite dihydrofluorouracil (DHFU), mimicking the major host pathway for drug clearance. The preTA operon was necessary and sufficient for 5-FU inactivation in Escherichia coli , exhibited high catalytic efficiency for the reductive reaction, decreased the bioavailability and efficacy of oral fluoropyrimidine treatment in mice, and was prevalent in the gut microbiomes of colorectal cancer patients prior to and during treatment. The observed conservation of both the targets and pathways for metabolism of therapeutics across domains highlights the need to distinguish the relative contributions of human and microbial cells to drug disposition 9 , efficacy, and side effect profiles.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».