MétaCan
Menu
Retour à la cohorte
Enregistrement W3132944999 · doi:10.1186/s40168-020-00952-4

Modulating gut microbiota in a mouse model of Graves’ orbitopathy and its impact on induced disease

2021· article· en· W3132944999 sur OpenAlexaff
Sajad Moshkelgosha, Hedda Luise Verhasselt, Giulia Masetti, Danila Covelli, Filippo Biscarini, Mareike Horstmann, Anke Daser, Astrid M. Westendorf, Christoph Jesenek, Svenja Philipp, Salvador J. Díaz‐Cano, J. Paul Banga, Daryn R. Michael, Sue Plummer, Julian R. Marchesi, Anja Eckstein, Marian Ludgate, Utta Berchner‐Pfannschmidt

Notice bibliographique

RevueMicrobiome · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésGut floraGraves' diseaseThyroidAutoimmunityImmunologyInternal medicineAutoantibodyMedicineThyrotropin receptorEndocrinologyBiologyDiseaseAntibody

Résumé

récupéré en direct d'OpenAlex

Abstract Background Graves’ disease (GD) is an autoimmune condition in which autoantibodies to the thyrotropin receptor (TSHR) cause hyperthyroidism. About 50% of GD patients also have Graves’ orbitopathy (GO), an intractable disease in which expansion of the orbital contents causes diplopia, proptosis and even blindness. Murine models of GD/GO, developed in different centres, demonstrated significant variation in gut microbiota composition which correlated with TSHR-induced disease heterogeneity. To investigate whether correlation indicates causation, we modified the gut microbiota to determine whether it has a role in thyroid autoimmunity. Female BALB/c mice were treated with either vancomycin, probiotic bacteria, human fecal material transfer (hFMT) from patients with severe GO or ddH2O from birth to immunization with TSHR-A subunit or beta-galactosidase (βgal; age ~ 6 weeks). Incidence and severity of GD (TSHR autoantibodies, thyroid histology, thyroxine level) and GO (orbital fat and muscle histology), lymphocyte phenotype, cytokine profile and gut microbiota were analysed at sacrifice (~ 22 weeks). Results In ddH2O-TSHR mice, 84% had pathological autoantibodies, 67% elevated thyroxine, 77% hyperplastic thyroids and 70% orbital pathology.Firmicuteswere increased, andBacteroidetesreduced relative to ddH2O-βgal; CCL5 was increased. The random forest algorithm at the genus level predicted vancomycin treatment with 100% accuracy but 74% and 70% for hFMT and probiotic, respectively. Vancomycin significantly reduced gut microbiota richness and diversity compared with all other groups; the incidence and severity of both GD and GO also decreased; reduced orbital pathology correlated positively withAkkermansiaspp. whilst IL-4 levels increased. Mice receiving hFMT initially inherited their GO donors’ microbiota, and the severity of induced GD increased, as did the orbital brown adipose tissue volume in TSHR mice. Furthermore, genusBacteroides, which is reduced in GD patients, was significantly increased by vancomycin but reduced in hFMT-treated mice. Probiotic treatment significantly increased CD25+Treg cells in orbital draining lymph nodes but exacerbated induced autoimmune hyperthyroidism and GO. Conclusions These results strongly support a role for the gut microbiota in TSHR-induced disease. Whilst changes to the gut microbiota have a profound effect on quantifiable GD endocrine and immune factors, the impact on GO cellular changes is more nuanced. The findings have translational potential for novel, improved treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,288
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobiomeMême sujetGut microbiota and healthTravaux en français237 207