Gut Microbial Ecosystem in Parkinson Disease: New Clinicobiological Insights from Multi‐Omics
Notice bibliographique
Résumé
OBJECTIVE: Gut microbiome alterations in Parkinson disease (PD) have been reported repeatedly, but their functional relevance remains unclear. Fecal metabolomics, which provide a functional readout of microbial activity, have scarcely been investigated. We investigated fecal microbiome and metabolome alterations in PD, and their clinical relevance. METHODS: Two hundred subjects (104 patients, 96 controls) underwent extensive clinical phenotyping. Stool samples were analyzed using 16S rRNA gene sequencing. Fecal metabolomics were performed using two platforms, nuclear magnetic resonance (NMR) spectroscopy and liquid chromatography-mass spectrometry. RESULTS: Fecal microbiome and metabolome composition in PD was significantly different from controls, with the largest effect size seen in NMR-based metabolome. Microbiome and NMR-based metabolome compositional differences remained significant after comprehensive confounder analyses. Differentially abundant fecal metabolite features and predicted functional changes in PD versus controls included bioactive molecules with putative neuroprotective effects (eg, short chain fatty acids [SCFAs], ubiquinones, and salicylate) and other compounds increasingly implicated in neurodegeneration (eg, ceramides, sphingosine, and trimethylamine N-oxide). In the PD group, cognitive impairment, low body mass index (BMI), frailty, constipation, and low physical activity were associated with fecal metabolome compositional differences. Notably, low SCFAs in PD were significantly associated with poorer cognition and low BMI. Lower butyrate levels correlated with worse postural instability-gait disorder scores. INTERPRETATION: Gut microbial function is altered in PD, characterized by differentially abundant metabolic features that provide important biological insights into gut-brain pathophysiology. Their clinical relevance further supports a role for microbial metabolites as potential targets for the development of new biomarkers and therapies in PD. ANN NEUROL 2021;89:546-559.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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 ».