Bacteria-derived long chain fatty acid exhibits anti-inflammatory properties in colitis
Notice bibliographique
Résumé
Objective Data from clinical research suggest that certain probiotic bacterial strains have the potential to modulate colonic inflammation. Nonetheless, these data differ between studies due to the probiotic bacterial strains used and the poor knowledge of their mechanisms of action. Design By mass-spectrometry, we identified and quantified free long chain fatty acids (LCFAs) in probiotics and assessed the effect of one of them in mouse colitis. Results Among all the LCFAs quantified by mass spectrometry in Escherichia coli Nissle 1917 (EcN), a probiotic used for the treatment of multiple intestinal disorders, the concentration of 3-hydroxyoctadecaenoic acid (C18-3OH) was increased in EcN compared with other E. coli strains tested. Oral administration of C18-3OH decreased colitis induced by dextran sulfate sodium in mice. To determine whether other bacteria composing the microbiota are able to produce C18-3OH, we targeted the gut microbiota of mice with prebiotic fructooligosaccharides (FOS). The anti-inflammatory properties of FOS were associated with an increase in colonic C18-3OH concentration. Microbiota analyses revealed that the concentration of C18-3OH was correlated with an increase in the abundance in Allobaculum , Holdemanella and Parabacteroides . In culture, Holdemanella biformis produced high concentration of C18-3OH. Finally, using TR-FRET binding assay and gene expression analysis, we demonstrated that the C18-3OH is an agonist of peroxisome proliferator activated receptor gamma. Conclusion The production of C18-3OH by bacteria could be one of the mechanisms implicated in the anti-inflammatory properties of probiotics. The production of LCFA-3OH by bacteria could be implicated in the microbiota/host interactions.
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 | 0,000 | 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 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 ».