Comprehensive assessment of functional effects of commonly used sweeteners on <i>ex vivo</i> human gut microbiome
Notice bibliographique
Résumé
Abstract The gut microbiome composition and function are associated with health and diseases. Sweeteners are widely used food additives, although many studies using animal models have linked sweetener consumption to gut microbial changes and health issues. Whether sweeteners directly change the human gut microbiome functionality remains largely unknown. In this study, we systematically investigated the responses of five human gut microbiomes to 21 common sweeteners, using an approach combining high-throughput ex vivo microbiome culturing and metaproteomics to quantify functional changes in different taxa. Hierarchical clustering based on metaproteomic responses of individual microbiomes resulted in two clusters. The first cluster was composed of non-caloric artificial sweeteners (NAS) and two sugar alcohols with shorter carbon backbones (4-5 carbon atoms), and the second cluster was composed of sugar alcohols with longer carbon backbones. The metaproteomic functional responses of the second cluster were similar to the prebiotic fructooligosaccharides and kestose, indicating that these sugar alcohol-type sweeteners have potential prebiotic functions. This study provides a comprehensive evaluation of the direct effects of commonly used sweeteners on the functions of the human gut microbiome using a functional metaproteomics approach, improving our understanding of the roles of sweeteners on microbiome-associated human health and disease issues.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».