Regulation of host gene expression by gastrointestinal tract microbiota in Chinook Salmon (<i>Oncorhynchus tshawytscha</i>)
Notice bibliographique
Résumé
Differences in gut microbiome composition are linked with health, disease and ultimately host fitness; however, the molecular mechanisms underlying that relationship are not well characterized. Here, we modified the fish gut microbiota using antibiotic and probiotic feed treatments to address the effect of host microbiome on gene expression patterns. Chinook salmon (Oncorhynchus tshawytscha) gut gene expression was evaluated using whole transcriptome sequencing (RNA-Seq) on hindgut mucosa samples from individuals treated with antibiotic, probiotic and control diets to determine differentially expressed (DE) host genes. Fifty DE host genes were selected for further characterization using nanofluidic qPCR chips. We used 16S rRNA gene metabarcoding to characterize the rearing water and host gut microbiome (bacterial) communities. Daily administration of antibiotics and probiotics resulted in significant changes in fish gut and aquatic microbiota as well as more than 100 DE genes in the antibiotic and probiotic treatment fish, relative to healthy controls. Normal microbiota depletion by antibiotics mostly led to downregulation of different aspects of immunity and upregulation of apoptotic process. In the probiotic treatment, genes related to post-translation modification and inflammatory responses were up-regulated relative to controls. Our qPCR results revealed significant effects of treatment (antibiotic and probiotic) on rabep2, aifm3, manf, prmt3 gene transcription. Moreover, we found significant associations between members of Lactobacillaceae and Bifidobacteriaceae with host gene expression patterns. Overall, our analysis showed that the microbiota had significant impacts on many host signalling pathways, specifically targeting immune, developmental and metabolic processes. Our characterization of some of the molecular mechanisms involved in microbiome-host interactions will help develop new strategies for preventing/ treating microbiome disruption-related diseases.
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 | 0,000 |
| 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 ».