Species‐level characterization of the cervicovaginal microbiota and its role in human papillomavirus‐associated cervical carcinogenesis
Notice bibliographique
Résumé
The cervicovaginal microbiome may contribute to human papillomavirus (HPV)-associated cervical carcinogenesis, but studies have been limited by low-resolution analysis methods. Using a high-resolution bioinformatics pipeline, we evaluated the relationship of the cervicovaginal microbiome with HPV and cervical intraepithelial neoplasia (CIN). The cervicovaginal microbiome of 186 women was characterized by sequencing 16S rRNA regions (V3-V4 and V5-V6) and annotated with the high-resolution ANCHOR pipeline. Samples were genotyped for HPV using the Roche-Cobas 4800 assay. We fitted logistic regression models using stepwise forward selection to select species (presence/absence) as correlates of CIN1+ and constructed a linear microbiome-based score using the regression coefficients. An HPV-based score was calculated from a separate logistic regression model to detect CIN1+ . Receiver operating characteristic curve analyses were performed; the area under the curve (AUC) and 95% confidence intervals (CI) were compared between scores. Overall, 66.7% of participants were HPV-positive. 77 unique species were identified: 8 using V3-V4, 48 using V5-V6, and 21 shared. Twelve species were retained via stepwise selection. The AUCs for the microbiome-, and HPV-based scores were 0.7656 (95% CI 0.6885-0.8426), and 0.7529 (95% CI 0.6855-0.8204), respectively. Bacterial species may be involved in cervical carcinogenesis as the microbiome- and HPV-based scores performed similarly for CIN1+ detection.
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 | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».