Freeze-dried fecal microorganisms as an effective biomaterial for the treatment of calves suffering from diarrhea
Notice bibliographique
Résumé
Fecal microbiota transplantation (FMT) is a therapeutic modality for treating neonatal calf diarrhea. Several practical barriers, including donor selection, fecal collection, and a limited timeframe for FMT, are the main constraints to using fresh feces for implementing on-farm FMT. We report the utility of FMT with pretreated ready-to-use frozen (F) or freeze-dried (FD) microorganisms for treating calf diarrhea. In total, 19 FMT (F-FMT, n = 10 and FD-FMT, n = 9) treatments were conducted. Both FMT treatments were 100% clinically effective; however, multi-omics analysis showed that FD-FMT was superior to F-FMT. Machine learning analysis with SourceTracker confirmed that donor microbiota was retained four times better in the recipient calves treated with FD-FMT than F-FMT. A predictive model based on receiver operating characteristic curve analysis and area under the curve showed that FD-FMT was more discriminative than F-FMT of the observed changes in microbiota and metabolites during disease recovery. These results provide new insights into establishing methods for preparing fecal microorganisms to increase the quality of FMT in animals and may contribute to FMT in humans.
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 | 0,000 |
| 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) | 0,001 | 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 ».