RapidAIM 2.0: a high-throughput assay to study functional response of human gut microbiome to xenobiotics
Notice bibliographique
Résumé
Abstract Our gut microbiome functions like an organ, having its own set of functions and roles which can be modulated by various types of xenobiotic and biotic components. High-throughput screening approaches that are established based on in vitro or ex vivo cell, tissue or organ models greatly accelerate drug discovery and our understanding of biological and pathological processes within these systems. There was a lack of a high-throughput compatible functional screening approach of the gut microbiome until we recently developed the RapidAIM (Rapid Assay of Individual Microbiome). RapidAIM combines an optimized culturing model, which maintains the taxonomic and functional profiles of the human gut microbiome in vitro , and a high-throughput metaproteomics workflow to gain deep functional insights into microbiome responses. This protocol describes the most recently optimized 2.0 version of RapidAIM, consisting of extensive details on stool sample collection, biobanking, in vitro culturing and stimulation, microbiome sample processing, and metaproteomics measurement and data analysis. To demonstrate the typical outcome of the protocol, we show an example of using RapidAIM 2.0 to evaluate the effect of prebiotic kestose on ex vivo individual human gut microbiomes biobanked with five different workflows; we also show that kestose had consistent functional effects across individuals and can be used as positive control in the assay.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».