Commensal microbes modulate gut-systemic impacts of malnutrition : from neurocognitive function to NAFLD
Notice bibliographique
Résumé
Fecal-oral contamination promotes the persistence of early-life malnutrition. Systemic consequences of malnutrition include stunting, poor immune function, metabolic shifts, and neurocognitive impairment, but the underlying pathology and precise role of fecal microbes remain largely unknown. To address these knowledge gaps, I have utilized an established murine model (MAL-BG) that combines malnutrition and iterative exposure to fecal commensals. MAL-BG mice exhibit altered behavioural and cognitive deficits—poor spatial memory and learning plasticity—putatively linked to aberrant microglia phagocytosis. Microglial alterations occurred independently from neuroinflammation and blood-brain barrier (BBB) disruption, but were linked to systemic lipoxidative stress. Fecal-oral contamination exacerbated systemic, malnutrition-induced oxidative stress within the gut, brain, and liver. Beyond oxidative damage, malnourished livers exhibit fatty liver features. Largely studied in the context of obesity, undernutrition can also trigger NAFLD (non-alcoholic fatty liver disease). A combination of histology, liver metabolomics, and microbiome analyses were performed to assess the impact of diet and gut microbes in the pathology and reversal of undernutrition-induced fatty liver. Intriguingly, fatty liver histology was only observed in the early-life, but not adult, MAL-BG model despite similar liver metabolomic profiles. These findings indicate a crucial window in early-life development that, when disrupted by nutritional deficits, likely shapes liver health trajectories. Importantly, dietary intervention largely mitigated aberrant metabolomic and microbiome features in MBG mice. Collectively, my doctoral work explores (1) gut-brain and (2) gut-liver interactions in the context of undernutrition and intervention. I anticipate my findings will not only provide valued insight into gut microbiota-systemic interactions, but also identify putative therapeutic targets to halt or reverse consequences of childhood malnutrition.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».