The human milk bacteriome and mycobiome and their inter-kingdom interactions viewed across geography
Notice bibliographique
Résumé
Background The human milk microbiota is one of the biologically active components of human milk, and factors affecting it and the effect size are not well understood. Assessments of human milk microbiota have mainly been done in small cohorts and/or in single geographical locations, and most have been restricted to the bacteriome. Here we assessed the bacterial, archaeal and fungal composition of human milk and the potential inter-kingdom interactions in milk collected from women living in a wide spectrum of countries, environments, and socio-economical settings. Materials and methods About 518 human milk samples were collected in 16 countries. After DNA extraction, bacterial and fungal metataxonomic analyses were performed via amplification and sequencing of the 16S rDNA and the ITS2 genes, respectively. In parallel, the presence of methanogenic archaea was determined by qPCR. Results Bacterial analysis revealed significant Country variations in human milk microbiota diversity and taxa distribution. Core genera such as Staphylococcus , Streptococcus , and Bifidobacterium were universally prevalent, and their abundance varied geographically. Methanogenic sequences were found in the amplicon sequences, mostly of Methanobrevibacter (11.8% of samples), while qPCR only detected 0.7% (2 out of 268) methanogens. Fungi—mostly Candida —were detected in 7% of samples, with wide country variations. Co-abundance network analysis revealed mostly positive bacterial correlations and negative inter-kingdom interactions. Conclusion This study shows substantial global variation in the human milk microbiome with bacterial-fungal interactions, highlighting the importance of global-scale studies to understand the human microbiome and its role in maternal and infant health.
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 | 0,000 | 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 | 0,001 | 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 ».