Microbial translocation in type 2 diabetes: when bacterial invaders overcome host defence in human obesity
Notice bibliographique
Résumé
Metabolic endotoxemia, characterised by systemic influx of bacterial components, impairs lipid handling and glucoregulation.1 Early preclinical studies showed that high fat diet feeding facilitates bacterial translocation to metabolic tissues coinciding with dendritic cell (DC)-mediated inflammation.2 This process was aggravated in mice lacking either the canonical adaptor for inflammatory signalling pathways downstream of Toll-like receptor (TLR) families, MyD882 or the intracellular microbial pattern recognition receptor, NOD2.3 The first conceptual evidence for bacterial translocation in human type 2 diabetes (T2D) was reported in 2011 when Amar et al showed that 16S rDNA gene content in blood was associated with future T2D risk.4 These seminal papers pioneered the concept of bacterial translocation in metabolic diseases. Yet, it remains intensely debated whether bacterial translocation to extraintestinal tissues is a true phenomenon or a result of spurious data, as it is notoriously difficult to robustly distinguish biologically relevant bacterial DNA sequences in very low microbial biomass tissues from environmental contaminants.5 6 Indeed, low bacteria:host cell ratio obviously increases the risk of contamination during surgical procedures, biobanking and wet-laboratory processing of tissue samples. This has revivified the tenet that internal organs are sterile and casted doubt on emerging reports of tissue microbial signatures in a number of diseases, arguing that such findings may be confounded by sample contamination. In GUT, Massier et al challenge again the dogma of sterile internal organs …
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».