Investigating the gut microbial community and genes in children with differing levels of change in serum asparaginase activity during pegaspargase treatment for acute lymphoblastic leukemia
Notice bibliographique
Résumé
Asparaginase (ASNase) is an effective treatment of pediatric acute lymphoblastic leukemia (ALL). Changes in ASNase activity may lead to suboptimal treatment and poorer outcomes. The gut microbiome produces metabolites that could impact ASNase therapy, however, remains uninvestigated. We examined gut-microbial community and microbial-ASNase and asparagine synthetase (ASNS) genes using 16SrRNA and metagenomic sequence data from stool samples of pediatric ALL patients. Comparing ASNase activity between consecutive ASNase-doses, we found microbial communities differed between decreased- and increased-activity samples. Escherichia predominated in the decreased-activity community while Bacteroides and Streptococcus predominated in the increased-activity community. In addition microbial ASNS was significantly (p=.004) negatively correlated with change in serum ASNase activity. These preliminary findings suggest microbial communities prior to treatment could affect serum ASNase levels, although the mechanism is unknown. Replication in an independent cohort is needed, and future research on manipulation of these communities and genes could prove useful in optimizing ASNase therapy.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».