Gut microbiota and microbial metabolites are associated with body composition in 5‐year‐old children: A cross‐sectional study in the <scp>Gen3G</scp> cohort
Notice bibliographique
Résumé
OBJECTIVE: To examine gut microbiota diversity, composition and metabolites in relation to overall mass (OM), fat mass (FM) and lean soft tissue mass (LSTM) measured by dual x-ray absorptiometry (DXA) in 5-year-old children. METHODS: Mothers of the Gen3G cohort were enrolled prenatally in 2010-2013 in Quebec, Canada; 153 children from the cohort had data on gut microbiota and DXA scans at 5-6.4 years of age, and 140 also had plasma metabolite data. We characterized gut microbiota by 16S rRNA Illumina sequencing and metabolites by untargeted multiplatform mass spectrometry. We examined associations of microbial alpha diversity, beta diversity, composition (amplicon sequence variants; ASVs) and metabolites (microbial metabolites) with DXA measures, adjusting for age, sex, diet and drinking water. RESULTS: Of the 153 children, 43.1% were female, and 96.1% self-identified as white. The median BMI was the 52nd percentile. Microbial richness (alpha diversity) was positively associated with OM, FM and LSTM. Of the 542 ASVs tested, 7 were associated with OM, 5 with FM and 4 with LSTM. One Veillonella ASV and two Blautia ASVs were significantly associated with all outcomes. Among 278 microbial metabolites, no metabolites were associated with FM, while glycoursodeoxycholate was associated with OM, and glycoursodeoxycholate, 3-hydroxybutyrate and gamma-glutamylalanine were associated with LSTM. CONCLUSIONS: In 5-year-old children, gut microbiota alpha diversity, richness and specific gut microbes were associated with OM, FM and LSTM. Many of the associations followed a similar pattern for FM and LSTM, suggesting they may not be specific to adiposity but rather reflect overall growth.
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 ».