RapidAIM: a culture- and metaproteomics-based Rapid Assay of Individual Microbiome responses to drugs
Notice bibliographique
Résumé
BACKGROUND: Human-targeted drugs may exert off-target effects or can be repurposed to modulate the gut microbiota. However, our understanding of such effects is limited due to a lack of rapid and scalable assay to comprehensively assess microbiome responses to drugs. Drugs and other compounds can drastically change the overall abundance, taxonomic composition, and functions of a gut microbiome. RESULTS: Here, we developed an approach to screen compounds against individual microbiomes in vitro, using metaproteomics to both measure absolute bacterial abundances and to functionally profile the microbiome. Our approach was evaluated by testing 43 compounds (including 4 antibiotics) against 5 individual microbiomes. The method generated technically highly reproducible readouts, including changes of overall microbiome abundance, microbiome composition, and functional pathways. Results show that besides the antibiotics, the compounds berberine and ibuprofen inhibited the accumulation of biomass during in vitro growth of the microbiota. By comparing genus and species level-biomass contributions, selective antibacterial-like activities were found with 35 of the 39 non-antibiotic compounds. Seven of the compounds led to a global alteration of the metaproteome, with apparent compound-specific patterns of functional responses. The taxonomic distributions of altered proteins varied among drugs, i.e., different drugs affect functions of different members of the microbiome. We also showed that bacterial function can shift in response to drugs without a change in the abundance of the bacteria. CONCLUSIONS: Current drug-microbiome interaction studies largely focus on relative microbiome composition and microbial drug metabolism. In contrast, our workflow enables multiple insights into microbiome absolute abundance and functional responses to drugs. The workflow is robust, reproducible, and quantitative and is scalable for personalized high-throughput drug screening applications.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».