Preterm birth is associated with xenobiotics and predicted by the vaginal metabolome
Notice bibliographique
Résumé
Abstract Spontaneous preterm birth (sPTB) is a leading cause of maternal and neonatal morbidity and mortality, yet both its prevention and early risk stratification are limited. The vaginal microbiome has been associated with PTB risk, possibly via metabolic or other interactions with its host. Here, we performed untargeted metabolomics on 232 vaginal samples, in which we have previously profiled the microbiota using 16S rRNA gene sequencing. Samples were collected at 20-24 weeks of gestation from women with singleton pregnancies, of which 80 delivered spontaneously before 37 weeks of gestation. We find that the vaginal metabolome correlates with the microbiome and separates into six clusters, three of which are associated with spontaneous preterm birth (sPTB) in Black women. Furthermore, while we identify five metabolites that associate with sPTB, another five associate with sPTB only when stratifying by race. We identify multiple microbial correlations with metabolites associated with sPTB, including intriguing correlations between vaginal bacteria that are considered sub-optimal and metabolites that were enriched in women who delivered at term. We propose that several sPTB-associated metabolites may be exogenous, and investigate another using metabolic models. Notably, we use machine learning models to predict sPTB risk using metabolite levels, weeks to months in advance, with high accuracy. We show that these predictions are more accurate than microbiome-based and maternal covariates-based models. Altogether, our results demonstrate the potential of vaginal metabolites as early biomarkers of sPTB and highlight exogenous exposures as potential risk factors for prematurity.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».