Metabolomics: The Key to Unraveling the Role of the Microbiome in Visceral Pain Neurotransmission
Notice bibliographique
Résumé
Inflammatory bowel disease (IBD), comprising Crohn's disease and Ulcerative colitis, is a relapsing and remitting disease of the gastrointestinal tract, presenting with chronic inflammation, ulceration, gastrointestinal bleeding, and abdominal pain. Up to 80% of patients suffering from IBD experience acute pain, which dissipates when the underlying inflammation and tissue damage resolves. However, despite achieving endoscopic remission with no signs of ongoing intestinal inflammation or damage, 30-50% of IBD patients in remission experience chronic abdominal pain, suggesting altered sensory neuronal processing in this disorder. Furthermore, effective treatment for chronic pain is limited such that 5-25% of IBD outpatients are treated with narcotics, with associated morbidity and mortality. IBD patients commonly present with substantial alterations to the microbial community structure within the gastrointestinal tract, known as dysbiosis. The same is also true in irritable bowel syndrome (IBS), a chronic disorder characterized by altered bowel habits and abdominal pain, in the absence of inflammation. An emerging body of literature suggests that the gut microbiome plays an important role in visceral hypersensitivity. Specific microbial metabolites have an intimate relationship with host receptors that are highly expressed on host cell and neurons, suggesting that microbial metabolites play a key role in visceral hypersensitivity. In this review, we will discuss the techniques used to analysis the metabolome, current potential metabolite targets for visceral hypersensitivity, and discuss the current literature that evaluates the role of the post-inflammatory microbiota and metabolites in visceral hypersensitivity.
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) | 0,000 | 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 | 0,002 | 0,001 |
| 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 ».