Microbiomes in Post–Digital Rectal Exam Urine Samples are Linked to Prostate Cancer Risk
Notice bibliographique
Résumé
Abstract Purpose: Bacterial species including Cutibacterium acnes ( C. acnes ) have been associated with different inflammatory and neoplastic conditions in prostate cancer (PCa) tissue samples, but their clinical impact is unknown. Using next-generation sequencing (NGS)–based clinical reports, we investigated the differential abundance and incidence of microbiomes in post–digital rectal exam (DRE) urine samples from patients with PCa and a matched control group at low risk of PCa. Materials and Methods: A total of 200 post-DRE urine samples were analyzed, 100 from patients with histopathologically confirmed PCa and 100 from men at very low risk of PCa with PSA <1.5 ng/mL as controls. Bacterial and fungal communities were characterized by NGS of 16S and internal transcribed spacer (ITS) loci, respectively, with species' relative abundances provided on physicians' clinical reports. The differential abundance and incidence of species between cancer and control groups were evaluated. Results: Microbes were reported in 39% and 56% of PCa and control group samples, respectively. C. acnes had a significantly higher relative abundance in patients with PCa vs controls ( P < .05), and C. acnes incidence rates were also nominally higher in patients with PCa as compared with controls (12.82% and 7.27%, respectively). By contrast, Finegoldia magna ( F. magna ) had a significantly higher relative abundance ( P < .05) and incidence rate ( P < .05) in controls as compared with patients with PCa. Conclusions: C. acnes was among the most prevalent bacterial species in PCa urine samples. F. magna identified in the low-risk group is responsible for production of equol, a soy metabolite associated with lowering risk of PCa, suggesting a role in prostate cancer chemoprevention.
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 | 0,001 |
| 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 ».