Abstract P495: Gut Microbiome and Plasma Metabolome Signatures Are Associated With Systemic Inflammation in Children
Notice bibliographique
Résumé
Introduction: Gut microbiota and microbial metabolites are hypothesized to influence health via systemic inflammation, but pediatric studies are lacking. We investigated associations of gut microbiota and plasma metabolome with inflammation in children aged 5-7. Hypothesis: Children with greater abundances of pro-inflammatory microbial taxa and metabolites have more systemic inflammation. Methods: We analyzed cross-sectional data from the community-based Gen3G cohort (Quebec), including children with 3 inflammation measures (IMs; plasminogen activator inhibitor 1, monocyte chemoattractant protein 1, tumor necrosis factor α), untargeted plasma metabolome (Metabolon platform) and gut microbiota (stool 16S rRNA sequencing) data at the 5-year visit. We log-transformed and standardized each IM, averaging them as an inflammation score (InfSc). We pareto-scaled log-transformed metabolites, imputing missing values as half the minimum detected. We selected 76 known bacterial metabolites a priori . We excluded metabolites detected in <50% of samples and microbial amplicon sequence variants (ASVs) in <10% of the samples or with <0.1% overall proportion. We examined associations of ASVs and metabolites with IMs and InfSc using ANCOM-BC2 and linear regression, respectively, after multivariable adjustment (see Figure legend). FDR p-values <0.05 were considered significant. Results: A total of 320 children (mean age 63±4 months, 47% female, 95% white) had IMs and metabolome data, and 146 had microbiota data. Of 335 ASVs tested, 59 were associated with InfSc and 154 with any IM (10 strongest associations in Figure A ). Of the 1038 total metabolites and 76 bacterial metabolites tested, 53 and 5 metabolites, respectively, were associated with InfSc and 80 and 10, respectively, with any IM (10 bacterial metabolites in Figure B ). Conclusions: Microbial ASVs and metabolites, including pro-inflammatory ones (e.g., P. succinatutens, lactate, kynurenine), were associated with systemic inflammation in 5yo children.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».