Exploring the diversity of vaginal microbiota between healthy women and cervical cancer patients in India
Notice bibliographique
Résumé
Introduction. Cervicovaginal diversity has been reported as a predictive biomarker for cervical cancer risk. We recently reported the bio-therapeutic potential of vaginal probiotics from healthy Indian women against vaginal pathogens, isolated from the invasive cervical cancer (ICC) patients. Gap Statement. The cervicovaginal microflora from cervical cancer patients has not yet been reported from Indian population. Aim. The present study aimed at comparing the cervicovaginal microbiome between healthy controls (HC) and ICC patients from the Indian population. Methodology. In total, 30 vaginal swabs (15 from HC and 15 from ICC) were subjected to 16S rRNA gene sequencing. Alpha diversity was evaluated by Shannon and Chao1 index; and beta diversity by principle coordinate analysis (PCoA) of weighted and unweighted UniFrac distances. The relative abundance of the microbial taxa was done according to linear discriminant analysis effect size (LEfSe). Results. Predominance of Staphylococcus spp. in ICC and Lactobacillus gasseri in HC groups was observed. Alpha-diversity was found to be higher in ICC as compared to HC but was statistically non-significant. LEfSe analysis revealed Bacteroides fragilis and Escherichia coli as the marker genera in ICC with a marked decrease in Lactobacillus sp. Contrarily, in HC, L. gasseri, L. iners and L. fermentum were found to be abundant. Conclusion. Differences in the vaginal microbiome between healthy and ICC women could help in the early prediction of cervical cancer risk and thus in designing prevention strategies.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».