Fecal microbiota transplantation brings about bacterial strain displacement in patients with inflammatory bowel diseases
Notice bibliographique
Résumé
ABSTRACT Fecal microbiota transplantation (FMT), which is thought to have the potential to correct dysbiosis of gut microbiota, has recently been used to treat inflammatory bowel disease (IBD). To elucidate the extent and principles of microbiota engraftment in IBD patients after FMT treatment, we conducted an interventional prospective cohort study. The cohort included two categories of patients: (1) patients with moderate to severe Crohn’s disease (CD) (Harvey-Bradshaw Index ≥ 7, n = 11, and (2) patients with ulcerative colitis (UC) (Montreal classification, S2 and S3, n = 4). All patients were treated with a single FMT (via mid-gut, from healthy donors) and follow-up visits were performed at baseline, 3 days, one week, and one month after FMT (missing time points included). At each follow-up time point, fecal samples of the participants were collected along with their clinical metadata. For comparative analysis, 10 fecal samples from 10 healthy people were included to represent the diversity level of normal gut microbiota. Additionally, the metagenomic data of 25 fecal samples from 5 individuals with metabolic syndrome who underwent autologous FMT treatment were downloaded from a previous published paper to represent natural microbiota shifts during FMT. All fecal samples underwent shotgun metagenomic sequencing. We found that 3 days after FMT, 11 out of 15 recipients were in remission (3 out of 4 UC recipients; 8 out of 11 CD recipients). Generally, bacterial colonization was observed to be lower in CD recipients than in UC recipients at both species and strain levels. Furthermore, across species, different strains displayed disease-specific displacement advantages under two-disease status. Finally, most post-FMT species (> 80%) could be properly predicted (AUC > 85%) using a random forest classification model, with the gut microbiota composition and clinical parameters of pre-FMT recipients acting as the most contributive factors for prediction accuracy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».