Colonic microbiome modulation and metabolic effects of Bryndza sheep cheese in pediatric acute lymphoblastic leukemia: An in vitro study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study investigated the effects of lyophilized, unpasteurized Bryndza sheep cheese powder on gut microbiota and short-chain fatty acid (SCFA) production using an in vitro colonic fermentation model of pediatric acute lymphoblastic leukemia (ALL) patients. Low-dose (LD; 500 mg) and high-dose (HD; 1000 mg) treatments led to distinct microbial shifts within 48 h, affecting Firmicutes , Bacteroidota , and Proteobacteria . The α-diversity decreased in LD ( p < 0.05) but remained highest in HD ( p ≤ 0.01) after 48 h. Parasutterella and Enterococcus were enriched at 6 h, with HD promoting SCFA-producing bacteria ( Faecalibacterium ) at later stages. By 48 h, the HD increased Eubacterium hallii , Faecalibacterium , and Bacteroides , whereas LD enriched Lachnospira and Veillonella . Both treatments significantly increased acetate production ( p ≤ 0.01), with network analysis linking key microbiota families to SCFA production. Bryndza cheese modulates gut microbiota dose- and time-dependently, fostering SCFA-producing taxa and potentially improving gut health in pediatric ALL patients. • Bryndza sheep cheese significantly modulates colonic microbiota composition in vitro . • High-dose treatment enhances microbial diversity and production of short-chain fatty acids (SCFAs) in patients with cancer. • High-dose cheese enriched beneficial SCFA-producing taxa, such as Faecalibacterium and Butyricicoccus . • Study provides novel insights into gut microbiota-targeted nutritional interventions in oncology.
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.
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 | 0,000 | 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) | 0,000 | 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 découle