Fecal microbiota from MRL/lpr mice exacerbates pristane-induced lupus
Notice bibliographique
Résumé
BACKGROUND: The roles of gut microbiota in the pathogenesis of SLE have been receiving much attention during recent years. However, it remains unknown how fecal microbiota transplantation (FMT) and microbial metabolites affect immune responses and lupus progression. METHODS: We transferred fecal microbiota from MRL/lpr (Lpr) mice and MRL/Mpj (Mpj) mice or PBS to pristane-induced lupus mice and observed disease development. We also screened gut microbiota and metabolite spectrums of pristane-induced lupus mice with FMT via 16S rRNA sequencing, metagenomic sequencing, and metabolomics, followed by correlation analysis. RESULTS: FMT from MRL/lpr mice promoted the pathogenesis of pristane-induced lupus and affected immune cell profiles in the intestine, particularly the plasma cells. The structure and composition of microbial communities in the gut of the FMT-Lpr mice were different from those of the FMT-Mpj mice and FMT-PBS mice. The abundances of specific microbes such as prevotella taxa were predominantly elevated in the gut microbiome of the FMT-Lpr mice, which were positively associated with functional pathways such as cyanoamino acid metabolism. Differential metabolites such as valine and L-isoleucine were identified with varied abundances among the three groups. The abundance alterations of the prevotella taxa may affect the phenotypic changes such as proteinuria levels in the pristane-induced lupus mice. CONCLUSION: These findings further confirm that gut microbiota play an important role in the pathogenesis of lupus. Thus, altering the gut microbiome may provide a novel way to treat lupus.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».