Effect of probiotic bacteria on porcine rotavirus OSU infection of porcine intestinal epithelial IPEC-J2 cells
Notice bibliographique
Résumé
Abstract Rotavirus infections in nursing or post-weaning piglets are known to cause diarrhea, which can lead to commercial losses. Probiotic supplementation is used as a prophylactic or therapeutic approach to dealing with microbial infections in humans and animals. To evaluate the effect of probiotic bacteria on porcine rotavirus infections, non-transformed porcine intestinal epithelial IPEC-J2 cells were used as an in vitro model, and three different procedures were tested. When cells were exposed to seven probiotics at concentrations of 10 5 , 10 6 , or 10 7 CFU/mL for 16 h and removed before rotavirus challenge, infection reduction rates determined by flow cytometry were as follows: 15% (10 6 ) and 18% (10 5 ) for Bifidobacterium longum R0175, 15% (10 7 ) and 16% (10 6 ) for B . animalis lactis A026, and 15% (10 5 ) for Lactobacillus plantarum 299V. When cells were exposed to three selected probiotic strains for 1 h at higher concentrations, that is, 10 8 and 5 × 10 8 CFU/mL, before infection with rotavirus, no significant reduction was observed. When the probiotic bacteria were incubated with the virus before cell infection, a significant 14% decrease in the infection rate was observed for B. longum R0175. The results obtained using a cell-probiotics-virus platform combined with flow cytometry analysis suggest that probiotic bacteria can have a protective effect on IPEC-J2 cells before infection and can also prevent rotavirus infection of the cells.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».