Microbiome Compositions From Infertile Couples Seeking In Vitro Fertilization, Using 16S rRNA Gene Sequencing Methods: Any Correlation to Clinical Outcomes?
Notice bibliographique
Résumé
Background Bacterial infections are usually suspected in infertile couples seeking IVF with no clear understanding of the microbial compositions present in the seminal fluids and vaginal niche of the patients. We used next-generation sequencing technology to correlate microbiota compositions with IVF clinical outcomes. Methods Thirty-six couples were recruited to provide seminal fluids and vaginal swabs. Bacterial DNA was extracted, and V4 region of the 16S rRNA was amplified and sequenced in a pair-end configuration on the Illumina MiSeq platform rendering 2 × 150 bp sequences. Microbial taxonomy to species level was generated using the Greengenes database. Linear discriminant analysis (LDA) effect size (LEfSe) was used to identify biologically and statistically significant differences in relative abundance. Results Seminal fluid microbiota compositions had lower bacterial concentrations compared with the vagina, but species diversity was significantly higher in seminal fluid samples. Azoospermic subjects had more relative abundance of Mycoplasma and Ureaplasma. In Normospermic semen, Lactobacillus (43.86%) was the most abundant, followed by Gardnerella (25.45%), while the corresponding vaginal samples, Lactobacillus (61.74%) was the most abundant, followed by Prevotella (6.07%) and Gardnerella (5.86%). Conclusions Semen samples with positive IVF were significantly colonized by Lactobacillus jensenii ( P =0.002), Faecalibacterium ( P =0.042) and significantly less colonized by Proteobacteria , Prevotella , Bacteroides , and lower Firmicutes / Bacteroidetes ratio compared with semen samples with negative IVF. Vaginal samples with positive IVF clinical outcome were significantly colonized by Lactobacillus gasseri , less colonized by Bacteroides and Lactobacillus iners. This study has opened a window of possibility for Lactobacillus replenishments in men and women before IVF treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».