Determining the microbial species content in tissue from Alzheimer’s and Parkinson’s Disease patients
Notice bibliographique
Résumé
Abstract The aetiology of Alzheimer’s disease (AD) and Parkinson’s Disease (PD) are unknown and tend to manifest at a later stage in life; even though these diseases have different pathogenic mechanisms, they are both characterized by neuroinflammation in the brain. Links between bacterial and viral infection and AD/PD has been suggested in several studies, however, few have attempted to establish a link between fungal infection and AD/PD. In this study we develop and describe a nanopore-based sequencing approach to characterise the presence or absence of fungi in both human brain tissue and cerebrospinal fluid (CSF). This approach detects fungal DNA in human brain and CSF samples even at low levels, whereas our quantitative polymerase chain reaction (qPCR) assay (FungiQuant) was unable to detect fungal DNA in the same samples. Comparison against kit-controls showed ubiquitous low-level fungal contamination that we observed in healthy human brains and CSF as well AD/PD brains and CSF. We use this technique to demonstrate the presence of fungal DNA in healthy human brains as well as AD/PD brains, with Alternaria spp ., Colletotrichum graminicola , and Filobasidium floriforme as the most prominent species. In addition, antibiotic resistant Pseudomonas spp . was identified within the brain of an AD patient. Our method will be broadly applicable to investigating potential links between microbial infection and AD/PD.
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 | 0,002 | 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 ».