Effects of Whole-Grain and Sugar Content in Infant Cereals on Gut Microbiota at Weaning: A Randomized Trial
Notice bibliographique
Résumé
The introduction of complementary foods during infancy marks an important step in the development of the infant gut microbiome. Infant cereals are popular weaning foods but consistent evidence on their effect on the intestinal microbiota, especially when differing in nutritional quality, is lacking. Fecal samples from 4–7-month-old Spanish infants who consumed infant cereals differing in whole grain and sugar content as first weaning foods were analyzed on changes in microbial composition by massively parallel sequencing of the 16S ribosomal RNA gene at baseline and after 7 weeks of intervention. Samples were obtained from a previous trial conducted in Spain demonstrating whole-grain cereal acceptability. In total, samples of 18 infants consuming 0% whole grain cereals with 24 g sugar (0-WG) and 25 infants consuming 50% whole grain cereals with 12 g sugar (50-WG) were analyzed. Microbial composition changed significantly over time (p = 0.001), per intervention group (p = 0.029) and per infant (p = 0.001). Abundance of genus Veillonella increased in both groups while Enterococcus decreased. Within the 0-WG group, phylum Actinobacteria decreased along with genus Bifidobacterium. In the 50-WG, we observed an increase in Lachnoclostridium and Bacteroides. In addition, 50-WG decreased Proteobacteria and Escherichia to levels lower than 0-WG. Although weaning itself appeared to be responsible for most changes, the increased presence of anaerobic fermenters together with inhibition of pathogenic Escherichia may indicate a supporting effect of infant cereals with 50% whole grains and a reduced sugar content over infant cereals manufactured with refined hydrolyzed flours on the infant microbiota. In fact, using a novel methodology for the identification of microbial signatures, we found two groups of microbial taxa predictive of infants consuming enriched whole-grain infant cereals with a high predictive value of about 93%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».