A Dysbiotic Mycobiome Dominated by <em>Candida albicans</em> is Identified within Oral Squamous Cell Carcinomas
Notice bibliographique
Résumé
Background: Studies employing next-generation sequencing (NGS) show that the oral fungal community (mycobiome) is far more complex than hitherto thought. &nbsp;However, the role of the oral mycobiome in health and disease, including oral carcinogenesis, has not been explored. Objective: To characterize the mycobiome associated with oral squamous cell carcinoma (OSCC). Methods: Tissue biopsies [cases: 25 OSCC; controls: 27 intra-oral fibro-epithelial polyp (FEP)] were collected from oral and maxillofacial units in Sri Lanka. Total DNA was extracted and subjected to sequencing of the fungal ITS2 region using Illumina&rsquo;s 2x300 bp chemistry. High quality, non-chimeric merged reads were classified to species level using a BLASTN-algorithm with UNITE&rsquo;s named species sequences as reference. Downstream analyses were performed using QIIME and LEfSe. Results: 364 species representing 160 genera and 2 phyla (Ascomycota and Basidiomycota) were identified, with Candida and Malassezia making up 48% and 11% of the average mycobiome, respectively. However, only 5 species and 4 genera were detected in &ge;50% of the samples. The species richness and diversity were significantly lower in OSCC. At the genus level, Candida, Hannaella and Gibberella were overrepresented in OSCC while Alternaria and Trametes were more abundant in FEP. Species-wise, C. albicans, C. etchellsii and Hannaella luteola-like species were enriched in OSCC while Malassezia restricta, Aspergillus tamarii, Alternaria alternate, Cladosporium halotolerans, and Hanseniaspora uvarum-like species were the most significantly abundant in FEP. Conclusions: A dysbiotic mycobiome dominated by C. albicans was found in association with OSCC. Whether this dysbiosis plays a role in oral carcinogenesis warrants further investigation.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».