Causal relationships of gut microbiota, plasma metabolites, and metabolite ratios with diffuse large B-cell lymphoma: a Mendelian randomization study
Notice bibliographique
Résumé
Background Recent studies have revealed changes in microbiota constitution and metabolites associated with tumor progression, however, no causal relation between microbiota or metabolites and diffuse large B-cell lymphoma (DLBCL) has yet been reported. Methods We download a microbiota dataset from the MiBioGen study, a metabolites dataset from the Canadian Longitudinal Study on Aging (CLSA) study, and a DLBCL dataset from Integrative Epidemiology Unit Open genome-wide association study (GWAS) project. Mendelian randomization (MR) analysis was conducted using the R packages, TwoSampleMR and MR-PRESSO. Five MR methods were used: MR-Egger, inverse variance weighting (IVW), weighted median, simple mode, and weighted mode. Reverse MR analyses were also conducted to explore the causal effects of DLBCL on the microbiome, metabolites, and metabolite ratios. Pleiotropy was evaluated by MR Egger regression and MR-PRESSO global analyses, heterogeneity was assessed by Cochran’s Q-test, and stability analyzed using the leave-one-out method. Results 119 microorganisms, 1,091 plasma metabolite, and 309 metabolite ratios were analyzed. According to IVW analysis, five microorganisms were associated with risk of DLBCL. The genera Terrisporobacter (OR: 3.431, p = 0.049) andgenera Oscillibacter (OR: 2.406, p = 0.029) were associated with higher risk of DLBCL. Further, 27 plasma metabolites were identified as having a significant causal relationships with DLBCL, among which citrate levels had the most significant protective causal effect against DLBCL (p = 0.006), while glycosyl-N-tricosanoyl-sphingadienine levels was related to higher risk of DLBCL (p = 0.003). In addition, we identified 19 metabolite ratios with significant causal relationships to DLBCL, of which taurine/glutamate ratio had the most significant protective causal effect (p = 0.005), while the phosphoethanolamine/choline ratio was related to higher risk of DLBCL (p = 0.009). Reverse MR analysis did not reveal any significant causal influence of DLBCL on the above microbiota, metabolites, and metabolite ratios (p > 0.05). Sensitivity analyses revealed no significant heterogeneity or pleiotropy (p > 0.05). Conclusion We present the first elucidation of the causal influence of microbiota and metabolites on DLBCL using MR methods, providing novel insights for potential targeting of specific microbiota or metabolites to prevent, assist in diagnosis, and treat DLBCL.
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 | 0,019 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».