MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285250578 · doi:10.1039/9781839160950-00048

The Microbiome and Amino Acid Metabolism

2022· book-chapter· en· W4285250578 sur OpenAlexaff
Natalie E Diether, Benjamin P. Willing

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAryl hydrocarbon receptorMicrobiomeGastrointestinal tractAromatic amino acidsBiochemistryDysbiosisIrritable bowel syndromeAmino acidMetabolismBiologyChemistryGut floraBioinformaticsMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Proteolytic fermentation occurring in the gastrointestinal tract is an important contributor to host health through the microbial metabolites produced. Microbes affect amino acid balance in the small intestine and contribute to the accumulation of bioactive metabolites in the large intestine. These effects are achieved through highly networked metabolic pathways producing a diverse range of end products, including biogenic amines, phenols, and indoles. These metabolic products have been shown to affect inflammation and barrier function within the gut as well as to exert systemic host effects. This array of functions has implicated proteolytic fermentation metabolites in the development of diabetes, irritable bowel syndrome (IBS), inflammatory bowel disease (IBD), and colorectal cancer. Tryptophan metabolites in particular have an effect on the gut–brain axis through their function as aryl hydrocarbon receptor (AhR) ligands. Increased understanding of proteolytic metabolites in recent years has promising implications for our understanding of the role that dysbiosis may play in driving many important diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,009

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGut microbiota and health→Travaux en français237 207→