Multi-omic meta-analysis identifies functional signatures of airway microbiome in chronic obstructive pulmonary disease
Notice bibliographique
Résumé
The interaction between airway microbiome and host in chronic obstructive pulmonary disease (COPD) is poorly understood. Here we used a multi-omic meta-analysis approach to characterize the functional signature of airway microbiome in COPD. We retrieved all public COPD sputum microbiome datasets, totaling 1640 samples from 16S rRNA gene datasets and 26 samples from metagenomic datasets from across the world. We identified microbial taxonomic shifts using random effect meta-analysis and established a global classifier for COPD using 12 microbial genera. We inferred the metabolic potentials for the airway microbiome, established their molecular links to host targets, and explored their effects in a separate meta-analysis on 1340 public human airway transcriptome samples for COPD. 29.6% of differentially expressed human pathways were predicted to be targeted by microbiome metabolism. For inferred metabolite-host interactions, the flux of disease-modifying metabolites as predicted from host transcriptome was generally concordant with their predicted metabolic turnover in microbiome, suggesting a synergistic response between microbiome and host in COPD. The meta-analysis results were further validated by a pilot multi-omic study on 18 COPD patients and 10 controls, in which airway metagenome, metabolome, and host transcriptome were simultaneously characterized. 69.9% of the proposed "microbiome-metabolite-host" interaction links were validated in the independent multi-omic data. Butyrate, homocysteine, and palmitate were the microbial metabolites showing strongest interactions with COPD-associated host genes. Our meta-analysis uncovered functional properties of airway microbiome that interacted with COPD host gene signatures, and demonstrated the possibility of leveraging public multi-omic data to interrogate disease biology.
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) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».