Distinct microbial communities colonize tonsillar squamous cell carcinoma
Notice bibliographique
Résumé
Squamous cell carcinoma of the tonsil is one of the most frequent cancers of the oropharynx. The escalating rate of tonsil cancer during the last decades is associated with the increase of high risk-human papilloma virus (HR-HPV) infections. While the microbiome in oropharyngeal malignant diseases has been characterized to some extent, the microbial colonization of HR-HPV-associated tonsil cancer remains largely unknown. Using 16S rRNA gene amplicon sequencing, we have characterized the microbiome of human palatine tonsil crypts in patients suffering from HR-HPV-associated tonsil cancer in comparison to a control cohort of adult sleep apnea patients. We found an increased abundance of the phyla Firmicutes and Actinobacteria in tumor patients, whereas the abundance of Spirochetes and Synergistetes was significantly higher in the control cohort. Furthermore, the accumulation of several genera such as Veillonella, Streptococcus and Prevotella_7 in tonsillar crypts was associated with tonsil cancer. In contrast, Fusobacterium, Prevotella and Treponema_2 were enriched in sleep apnea patients. Machine learning-based bacterial species analysis indicated that a particular bacterial composition in tonsillar crypts is tumor-predictive. Species-specific PCR-based validation in extended patient cohorts confirmed that differential abundance of Filifactor alocis and Prevotella melaninogenica is a distinct trait of tonsil cancer. This study shows that tonsil cancer patients harbor a characteristic microbiome in the crypt environment that differs from the microbiome of sleep apnea patients on all phylogenetic levels. Moreover, our analysis indicates that profiling of microbial communities in distinct tonsillar niches provides microbiome-based avenues for the diagnosis of tonsil cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».