Effects of Two Distinct Psychoactive Microbes, Lacticaseibacillus rhamnosus JB-1 and Limosilactobacillus reuteri 6475, on Circulating and Hippocampal mRNA in Male Mice
Notice bibliographique
Résumé
Discovery of the microbiota-gut–brain axis has led to proposed microbe-based therapeutic strategies in mental health, including the use of mood-altering bacterial species, termed psychobiotics. However, we still have limited understanding of the key signaling pathways engaged by specific organisms in modulating brain function, and evidence suggests that bacteria with broadly similar neuroactive and immunomodulatory actions can drive different behavioral outcomes. We sought to identify pathways distinguishing two psychoactive bacterial strains that seemingly engage similar gut–brain signaling pathways but have distinct effects on behaviour. We used RNAseq to identify mRNAs differentially expressed in the blood and hippocampus of mice following Lacticaseibacillus rhamnosus JB-1, and Limosilactobacillus reuteri 6475 treatment and performed Gene Set Enrichment Analysis (GSEA) to identify enrichment in pathway activity. L. rhamnosus, but not L. reuteri treatment altered several pathways in the blood and hippocampus, and the rhamnosus could be clearly distinguished based on mRNA profile. In particular, L. rhamnosus treatment modulated the activity of interferon signaling, JAK/STAT, and TNF-alpha via NF-KB pathways. Our results highlight that psychobiotics can induce complex changes in host gene expression, andin understanding these changes, we may help fine-tune selection of psychobiotics for treating mood disorders.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».