Successful Bacterial Engraftment Identified by Next-Generation Sequencing Predicts Success of Fecal Microbiota Transplant for <i>Clostridioides difficile</i>
Notice bibliographique
Résumé
BACKGROUND: infection (CDI), is dependent on successful engraftment (incorporation) of donor stool. We present a method for evaluating engraftment success based on next-generation sequencing (NGS)-based profiling of bacterial strains present in donor and recipient stool, and we suggest its potential to guide treatment decisions. METHODS: Bacterial strains in stool samples from three patients from the clinic and one donor were analyzed via NGS and metagenomic sequencing, before and 1 month after FMT for CDI. The similarity of strains present was assessed via relative abundance, principal component analysis, Shannon and Simpson diversity indexes, and Bray-Curtis dissimilarity matrix. A positive outcome was successful engraftment, where the post-FMT sample closely resembled that of the donor and CDI was cured. RESULTS: Patients (Pts.) 1 and 2, but not Pt. 3's stool samples closely resembled the donor specimen post-FMT. Noteworthy, Pt. 3 pre-FMT sample was less similar to the donor than that of Pts. 1 and 2. All methods of assessing similarity and dissimilarity used yielded virtually identical conclusions. Pts. 1 and 2 which closely resembled donor specimen, eradicated CDI giving a surrogate objective measure of engraftment. CONCLUSIONS: Success of engraftment in FMT can be assessed using NGS and metagenomic analysis and parallels success in curing CDI of the microbiome. The statistical methods we present here are reliable and consistent for such purposes. The dissimilarity of Pt. 3 to the donor combined with the failure of engraftment and failure to cure CDI in Pt. 3 suggests that FMT success may be predictable by comparing pre-FMT samples to donor. There is no clinical trial registry listing this study.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».