A fishy gut feeling – current knowledge on gut microbiota in teleosts
Notice bibliographique
Résumé
The importance of the gastrointestinal microbiota (GM) in health and disease is widely recognized. Although less is known in fish than in mammals, advances in molecular techniques, such as 16S rRNA sequencing, have facilitated characterization of fish GM, comprising resident autochthonous and transient allochthonous bacteria. The microbial diversity and composition are strongly influenced by diet. High-protein diets, including alternative ingredients like plant and insect proteins, modify GM, impacting beneficial bacteria e.g. Cetobacterium . Lipids affect microbial metabolism and short-chain fatty acid (SCFA) production, while excessive carbohydrates can disrupt GM balance, causing enteritis. Dietary additives, including probiotics, prebiotics, and antibiotics, effectively modulate GM. Probiotics enhance immunity and growth, prebiotics support beneficial bacteria, and antibiotics, though effective against pathogens, disrupt microbial diversity and may promote antibiotic resistance. Environmental factors, such as temperature, salinity, and pollution, significantly influence GM. Elevated temperatures and salinity shifts alter microbial composition, and pollutants introduce toxins that compromise intestinal function and microbial diversity. Stress and pathogen infections further destabilize GM, often favoring pathogenic bacteria. GM communicates with the host via metabolites such as SCFAs, bile acids, and neurotransmitters, regulating appetite, energy metabolism, immunity, and neural functions. Additionally, GM influences the immune system by interacting with epithelial cells and stimulating immune responses. Despite recent advances, further research is needed to elucidate species-specific mechanisms underlying GM-host interactions, the ecological implications of GM diversity, and its applications in aquaculture to optimize fish health and performance.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».