MétaCan
Menu
Retour à la cohorte
Enregistrement W4409515727 · doi:10.1186/s12903-025-05941-3

Comparative analysis of bacterial abundance and diversity in tumour tissue of oral squamous cell carcinoma and non-tumour tissue: insights from a systematic review of 16S ribosomal RNA sequencing

2025· review· en· W4409515727 sur OpenAlexaboutno aff
Swagatika Mohapatra, Swagatika Panda, Neeta Mohanty, Bibhu Prasad Mishra

Notice bibliographique

RevueBMC Oral Health · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBasal cellOral and maxillofacial surgeryPathologyCarcinomaDentistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As per the recent research findings, there is a significant difference between the bacteriome of normal tissue (NT) and tumor tissues (TT) of oral squamous cell carcinoma (OSCC). Identifying this distinct bacteriome is crucial for understanding their potential contribution to oral carcinogenesis. This systematic review (SR) aims to identify exclusive and relative bacterial abundance and bacterial diversity in TT and NT. METHODOLOGY: The review was conducted following the PRISMA guidelines. PUBMED and SCOPUS databases were searched for studies in English published till 31st August 2024. The inclusion criteria focused on identifying bacteriome in NT versus TT at either species,/genus, and/or phylum level through 16 s ribosomal RNA sequencing. Quality assessment was performed using an eleven-parameter tool combining the Newcastle-Ottawa Scale and customized criteria. RESULT: Evaluating the selected 13 articles, we have identified the exclusive and relative abundance of bacteriome in TT and NT at phylum, genus, and species levels. Three phyla such as Chloroflexota, Deinococcus-Thermus, and Mycoplasmatota, are found exclusively in TT. Seven genus such as Eubacterium, Campylobacter, Aeromonas, Oceanivigra, Rheinheimera, Weissella, and Catonella are exclusively found in TT. Ten species such as Micrococcus luteus, Prevotella melaninogenica, Exiguobacterium oxidotolerans, Fusobacterium naviforme, Staphylococcus aureus, Veillonella parvula, Parvimonas sp oral taxon 110, Eubacterium II G1 infirmum, Eubacterium XI G3 Brachy, Weissella viridescens are found in TT. Six genus such as Capnocytophaga, Selenomonas, Leptothrix, Desulfovibrio, Desulfoplanes, Pelospora are found exclusively in NT. Eleven species, such as Streptococcus sp. Oral taxon 071,Selenomonas sputigena, Treponema pedis, Acholeplasmatales bacterium, Capnocytophaga haemolytica, Eubacterium sp., Syntrophomonadaceae genomosp.,Treponema putidum, Mitsuokella sp., Actinomyces sp. Oral taxon 848 str. F0332, p- 2534 - 18B5-gut-group are found in NT. Seven common genera within which different species are identified in TT and NT, suggesting differences in bacterial behaviour and characteristics within the same genus. A total of 12 phyla, 35 genera, and 54 species were found to be relatively more abundant in TT compared to NT. Conversely, 7 phyla, 32 genera, and 45 species were relatively more abundant in NT than in TT. Considerable variations in diversity metrics were found between TT and NT. CONCLUSION: This systematic review is the first to identify a distinct bacteriome exclusive to OSCC tumour tissue compared to normal tissue using 16S ribosomal RNA sequencing. This pioneering work lays the foundation for future studies on the oral microbiome as a potential diagnostic or therapeutic target in oral cancer management. It emphasizes the importance of exploring species-level differences for a deeper understanding of their roles in OSCC. TRIAL REGISTRATION: Not applicable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,347
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Oral HealthMême sujetGut microbiota and healthTravaux en français237 207