Survival and Interplay of γ-Aminobutyric Acid-Producing Psychobiotic Candidates with the Gut Microbiota in a Continuous Model of the Human Colon
Notice bibliographique
Résumé
Over decades, probiotic research has focused on their benefits to gut health. Recently, the gut microbiota has been proven to share bidirectional connections with the brain through the gut–brain axis. Therefore, the manipulation of this axis via probiotics has garnered interest. We have recently isolated and characterized in vitro probiotic candidates producing γ-aminobutyric acid (GABA), a major neuromodulator of the enteric nervous system. This study investigates the growth and competitiveness of selected GABA-producing probiotic candidates (Bifidobacterium animalis, Streptococcus thermophilus, and Lactobacillus delbrueckii subsp. bulgaricus) in the presence of human gut microbiota ex vivo in a model mimicking physiological and microbiological conditions of the human proximal colon. Supplementation with GABA-producing probiotic candidates did not affect the overall gut microbiota diversity over 48 h of treatment. However, these candidates modulated the microbiota composition, especially by increasing the Bacteroidetes population, a key gut microbe associated with anti-inflammatory activities. The level of microbiota-generated SCFAs within 12 h of treatment was also increased, compared to the control group. Results from this study demonstrate the probiotic potential of the tested GABA-producing bacteria and their impact on gut microbiota structure and metabolism, suggesting their suitability for gut health-promoting applications.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».