MétaCan
Menu
Retour à la cohorte
Enregistrement W4367171965 · doi:10.1186/s40168-023-01526-w

Obese-associated gut microbes and derived phenolic metabolite as mediators of excessive motivation for food reward

2023· article· en· W4367171965 sur OpenAlexaff
Alice de Wouters d’Oplinter, Marko Verce, Sabrina J. P. Huwart, Jacob Lessard‐Lord, Clara Depommier, Matthias Van Hul, Yves Desjardins, Patrice D. Cani, Amandine Everard

Notice bibliographique

RevueMicrobiome · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds De La Recherche Scientifique - FNRSUniversité Catholique de Louvain
Mots-clésGut floraObesityBiologyDopaminergicMetabolomicsMetaboliteFecal bacteriotherapyMicrobiomeGut–brain axisGut microbiomeFood intakeDopamineEndocrinologyImmunologyBioinformaticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Excessive hedonic consumption is one of the main drivers for weight gain. Identifying contributors of this dysregulation would help to tackle obesity. The gut microbiome is altered during obesity and regulates host metabolism including food intake. RESULTS: By using fecal material transplantation (FMT) from lean or obese mice into recipient mice, we demonstrated that gut microbes play a role in the regulation of food reward (i.e., wanting and learning processes associated with hedonic food intake) and could be responsible for excessive motivation to obtain sucrose pellets and alterations in dopaminergic and opioid markers in reward-related brain areas. Through untargeted metabolomic approach, we identified the 3-(3'-hydroxyphenyl)propanoic acid (33HPP) as highly positively correlated with the motivation. By administrating 33HPP in mice, we revealed its effects on food reward. CONCLUSIONS: Our data suggest that targeting the gut microbiota and its metabolites would be an interesting therapeutic strategy for compulsive eating, preventing inappropriate hedonic food intake. Video Abstract.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobiomeMême sujetGut microbiota and healthTravaux en français237 207