Modeling Normal and Dysbiotic Subgingival Microbiomes: Effect of Nutrients
Notice bibliographique
Résumé
Screening for microbiome modulators requires availability of a high-throughput in vitro model that replicates subgingival dysbiosis and normobiosis, with a tool to measure microbial dysbiosis. Here, we tested various formulations to grow health- and periodontitis-associated subgingival microbiomes in parallel, and we describe a new subgingival dysbiosis index. Subgingival plaque samples pooled from 5 healthy subjects and, separately, 5 subjects with periodontitis were used to inoculate a Calgary Biofilm Device containing saliva-conditioned, hydroxyapatite-coated pegs. Microbiomes were grown for 7 d on either nutrient-rich media—including a modification of SHI medium, brain-heart infusion (BHI) supplemented with hemin and vitamin K, and a blend of SHI and BHI, each at 3 sucrose concentrations (0%, 0.05% and 0.1%)—or nutrient-limited media (saliva with 5%, 10%, or 20% inactivated human serum). The microbiomes were assessed for biomass, viability, and 16S rRNA profiles. In addition to richness and diversity, a dysbiosis index was calculated as the ratio of the sum of relative abundances of disease-associated species to that of health-associated species. The supplemented BHI and blend of SHI and BHI resulted in the highest biomass, whereas saliva-serum maximized viability. Distinct groups of bacteria were enriched in the different media. Regardless of medium type, the periodontitis-derived microbiomes showed higher species richness and alpha diversity and clustered with their inoculum separate from the health-derived microbiomes. Microbiomes grown in saliva-serum showed the highest species richness and the highest similarity to the clinical inocula in both health and disease. However, inclusion of serum reduced alpha diversity and increased dysbiosis in healthy microbiomes in a dose-dependent manner, mainly due to overenrichment of Porphyromonas species. The modification of SHI stood second in terms of species richness and diversity but resulted in low biomass and viability and significantly worsened dysbiosis in the periodontitis-derived microbiomes. Overall, saliva with 5% human serum was optimal for replicating subgingival microbiomes from health and disease.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».