Integrated large-scale metagenome assembly and multi-kingdom network analyses identify sex differences in the human nasal microbiome
Notice bibliographique
Résumé
BACKGROUND: Respiratory diseases impose an immense health burden worldwide. Epidemiological studies have revealed extensive disparities in the incidence and severity of respiratory tract infections between men and women. It has been hypothesized that there might also be a nasal microbiome axis contributing to the observed sex disparities. RESULTS: Here, we study the nasal microbiome of healthy young adults in the largest cohort to date with 1593 individuals, using shotgun metagenomic sequencing. We compile the most comprehensive reference catalog for the nasal bacterial community containing 4197 metagenome-assembled genomes and integrate the mycobiome, to provide a valuable resource and a more holistic perspective for the understudied human nasal microbiome. We systematically evaluate sex differences and reveal extensive sex-specific features in both taxonomic and functional levels in the nasal microbiome. Through network analyses, we capture markedly higher ecological stability and antagonistic potentials in the female nasal microbiome compared to the male's. The analysis of the keystone bacteria reveals that the sex-dependent evolutionary characteristics might have contributed to these differences. CONCLUSIONS: In summary, we construct the most comprehensive catalog of metagenome-assembled-genomes for the nasal bacterial community to provide a valuable resource for the understudied human nasal microbiome. On top of that, comparative analysis in relative abundance and microbial co-occurrence networks identify extensive sex differences in the respiratory tract community, which may help to further our understanding of the observed sex disparities in the respiratory diseases.
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 | 0,000 |
| 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 ».