MétaCan
Menu
Retour à la cohorte
Enregistrement W3136235558 · doi:10.3390/microorganisms9030616

Fecal Microbiome and Resistome Profiling of Healthy and Diseased Pakistani Individuals Using Next-Generation Sequencing

2021· article· en· W3136235558 sur OpenAlexaff
Ome Kalsoom Afridi, Johar Ali, Jeong Ho Chang

Notice bibliographique

RevueMicroorganisms · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensMagna International (Canada)
Organismes subventionnairesnon disponible
Mots-clésResistomeMicrobiomeBiologyDysbiosisFecesAntibioticsProteobacteriaBacteroidetesAntibiotic resistanceMetagenomicsMicrobiologyFirmicutesGeneticsGene16S ribosomal RNA

Résumé

récupéré en direct d'OpenAlex

In this paper, we aimed to characterize the fecal microbiome and its resistomes of healthy and diseased subjects infected with multidrug-resistant Escherichia coli using next-generation sequencing (NGS). After initial screening, 26 stools samples belonging to healthy (n = 13) and diseased subjects (n = 13) were selected and subjected to NGS. A total of 23 and 42 antibiotic-resistant genes (ARGs) conferring resistance to 6 and 9 classes of antibiotics were identified in the resistomes of healthy and diseased subjects, respectively. Bacteroidetes were found to be the major phylum in both healthy and diseased subjects; however, Proteobacteria was predominantly present in the diseased subjects only. Microbial dysbiosis and predominance of various ARGs in the resistome of diseased subjects reflect the excessive usage of antibiotics in Pakistan and warrants immediate attention to regulate the use of various antimicrobials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,289
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetGut microbiota and healthTravaux en français237 207