A review of sebum in mammals in relation to skin diseases, skin function, and the skin microbiome
Notice bibliographique
Résumé
Diseases vary among and within species but the causes of this variation can be unclear. Immune responses are an important driver of disease variation, but mechanisms on how the body resists pathogen establishment before activation of immune responses are understudied. Skin surfaces of mammals are the first line of defense against abiotic stressors and pathogens, and skin attributes such as pH, microbiomes, and lipids influence disease outcomes. Sebaceous glands produce sebum composed of multiple types of lipids with species-specific compositions. Sebum affects skin barrier function by contributing to minimizing water loss, supporting thermoregulation, protecting against pathogens, and preventing UV-induced damage. Sebum also affects skin microbiome composition both via its antimicrobial properties, and by providing potential nutrient sources. Intra- and interspecific variation in sebum composition influences skin disease outcomes in humans and domestic mammal species but is not well-characterized in wildlife. We synthesized knowledge on sebum function in mammals in relation to skin diseases and the skin microbiome. We found that sebum composition was described for only 29 live, wild mammalian species. Sebum is important in dermatophilosis, various forms of dermatitis, demodicosis, and potentially white-nose syndrome. Sebum composition likely affects disease susceptibility, as lipid components can have antimicrobial functions against specific pathogens. It is unclear why sebum composition is species-specific, but both phylogeny and environmental effects may drive differences. Our review illustrates the role of mammal sebum function and influence on skin microbes in the context of skin diseases, providing a baseline for future studies to elucidate mechanisms of disease resistance beyond immune responses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».