Computational Microbiome Pharmacology Analysis Elucidates the Anti-Cancer Potential of Vaginal Microbes and Metabolites
Notice bibliographique
Résumé
Abstract The vaginal microbiome’s role in risk, progression, and treatment of female cancers has been widely explored. Yet, there remains a need to develop methods to understand the interaction of microbiome factors with host cells and to characterize their potential therapeutic functions. To address this challenge, we developed a systems biology framework we term the Pharmacobiome for microbiome pharmacology analysis. The Pharmacobiome framework evaluates similarities between microbes and microbial byproducts and known drugs based on their impact on host transcriptomic cellular signatures. Here, we apply our framework to characterization of the Anti-Gynecologic Cancer Vaginal Pharmacobiome. Using published vaginal microbiome multi-omics data from the Partners PrEP clinical trial, we constructed vaginal epithelial gene signatures associated with each profiled vaginal microbe and metabolite. We compared these microbiome-associated host gene signatures to post-drug perturbation host gene signatures associated with 35 FDA-approved anti-cancer drugs from the Library of Integrated Network-based Cellular Signatures database to identify vaginal microbes and metabolites with high statistical and functional similarity to these drugs. We found that Lactobacilli and their metabolites can regulate host gene expression in ways similar to many anti-cancer drugs. Additionally, we experimentally tested our model prediction that taurine, a metabolite produced by L. crispatus, kills cancerous breast and endometrial cancer cells. Our study shows that the Pharmacobiome is a powerful framework for characterizing the anti-cancer therapeutic potential of vaginal microbiome factors with generalizability to other cancers, microbiomes, and 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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».