Characterizing the Effect of Amylase Inhibitors on Maltodextrin Metabolism by Gut Bacteria Using Fluorescent Glycan Labeling
Notice bibliographique
Résumé
Diet-derived polysaccharides are an important carbon source for gut bacteria and shape the human gut microbiome. Acarbose, a compound used clinically to treat type 2 diabetes, is known to inhibit the growth of some bacteria on starches based on its activity as an inhibitor of α-glucosidases and α-amylases. In contrast to acarbose, montbretin A, a new drug candidate for the treatment of type 2 diabetes, has been reported to be more specific for the inhibition of α-amylase, notably human pancreatic α-amylase. However, the effects of both molecules on glycan metabolism across a larger diversity of human gut bacteria remain to be characterized. Here, we used ex vivo metabolic labeling of a human microbiota sample with fluorescent maltodextrin to identify gut bacteria affected by amylase inhibitors. Metabolic labeling was performed in the presence and absence of amylase inhibitors, and the fluorescently labeled bacteria were identified by fluorescence-activated cell sorting coupled with 16S rDNA amplicon sequencing. We validated the labeling results in cultured isolates and identified four gut bacteria species whose metabolism of maltodextrin is inhibited by acarbose. In contrast, montbretin A slowed the growth of only one species, supporting the fact that it is more selective. Metabolic labeling is a valuable tool to characterize glycan metabolism in microbiota samples and could help understand the untargeted impact of drugs on the human gut microbiota.
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 ».