Glycyrrhizic Acid and Compound Probiotics Supplementation Alters the Intestinal Transcriptome and Microbiome of Weaned Piglets Exposed to Deoxynivalenol
Notice bibliographique
Résumé
Deoxynivalenol (DON) is a widespread mycotoxin that affects the intestinal health of animals and humans. In the present study, we performed RNA-sequencing and 16S rRNA sequencing in piglets after DON and glycyrrhizic acid and compound probiotics (GAP) supplementation to determine the changes in intestinal transcriptome and microbiota. Transcriptome results indicated that DON exposure altered intestinal gene expression involved in nutrient transport and metabolism. Genes related to lipid metabolism, such as PLIN1, PLIN4, ADIPOQ, and FABP4 in the intestine, were significantly decreased by DON exposure, while their expressions were significantly increased after GAP supplementation. KEGG enrichment analysis showed that GAP supplementation promoted intestinal digestion and absorption of proteins, fats, vitamins, and other nutrients. Results of gut microbiota composition showed that GAP supplementation significantly improved the diversity of gut microbiota. DON exposure significantly increased Proteobacteria, Actinobacteria, and Bacillus abundances and decreased Firmicutes, Lactobacillus, and Streptococcus abundances; however, dietary supplementation with GAP observably recovered their abundances to normal. In addition, predictive functions by PICRUSt analysis showed that DON exposure decreased lipid metabolism, whereas GAP supplementation increased immune system. This result demonstrated that dietary exposure to DON altered the intestinal gene expressions related to nutrient metabolism and induced disturbances of intestinal microbiota, while supplementing GAP to DON-contaminated diets could improve intestinal health for piglets.
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 | 0,000 | 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 | 0,000 |
| 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 ».