MétaCan
Menu
Retour à la cohorte
Enregistrement W3048637524 · doi:10.1126/sciadv.aba0353

Metabolic multistability and hysteresis in a model aerobe-anaerobe microbiome community

2020· article· en· W3048637524 sur OpenAlexfundno aff
Tahmineh Khazaei, Rory L. Williams, Said R. Bogatyrev, John C. Doyle, Christopher S. Henry, Rustem F. Ismagilov

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesArmy Research OfficeNatural Sciences and Engineering Research Council of CanadaCenter for Environmental Microbial Interactions, California Institute of TechnologyNational Science Foundation
Mots-clésMultistabilityMicrobiomeHysteresisGut microbiomeBiologyMicrobiologyBioinformaticsPhysics

Résumé

récupéré en direct d'OpenAlex

Major changes in the microbiome are associated with health and disease. Some microbiome states persist despite seemingly unfavorable conditions, such as the proliferation of aerobe-anaerobe communities in oxygen-exposed environments in wound infections or small intestinal bacterial overgrowth. Mechanisms underlying transitions into and persistence of these states remain unclear. Using two microbial taxa relevant to the human microbiome, we combine genome-scale mathematical modeling, bioreactor experiments, transcriptomics, and dynamical systems theory to show that multistability and hysteresis (MSH) is a mechanism describing the shift from an aerobe-dominated state to a resilient, paradoxically persistent aerobe-anaerobe state. We examine the impact of changing oxygen and nutrient regimes and identify changes in metabolism and gene expression that lead to MSH and associated multi-stable states. In such systems, conceptual causation-correlation connections break and MSH must be used for analysis. Using MSH to analyze microbiome dynamics will improve our conceptual understanding of stability of microbiome states and transitions between states.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207