Unveiling the Role of Gut Microbiota and Metabolites in Autoimmune Thyroid Diseases: Emerging Perspectives
Notice bibliographique
Résumé
Autoimmune thyroid diseases (AITDs) are among the most prevalent organ-specific autoimmune disorders, with thyroid hormones playing a pivotal role in the gastrointestinal system's structure and function. Emerging evidence suggests a link between AITDs and the gut microbiome, which is a diverse community of organisms that are essential for digestion, absorption, intestinal homeostasis, and immune defense. Recent studies using 16S rRNA and metagenomic sequencing of fecal samples from AITD patients have revealed a significant correlation between a gut microbiota imbalance and the severity of AITDs. Progress in animal models of autoimmune diseases has shown that intervention in the gut microbiota can significantly alter the disease severity. The gut microbiota influences T cell subgroup differentiation and modulates the pathological immune response to AITDs through mechanisms involving short-chain fatty acids (SCFAs), lipopolysaccharides (LPSs), and mucosal immunity. Conversely, thyroid hormones also influence gut function and microbiota composition. Thus, there is a bidirectional relationship between the thyroid and the gut ecosystem. This review explores the pathogenic mechanisms of the gut microbiota and its metabolites in AITDs, characterizes the gut microbiota in Graves' disease (GD) and Hashimoto's thyroiditis (HT), and examines the interactions between the gut microbiota, thyroid hormones, T cell differentiation, and trace elements. The review aims to enhance understanding of the gut microbiota-thyroid axis and proposes novel approaches to mitigate AITD severity through gut microbiota modulation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».