Identifying a Vaginal Microbiome-Derived Selective Antibiotic Metabolite via Microbiome Pharmacology Analysis
Notice bibliographique
Résumé
ABSTRACT The vaginal microbiome plays a critical role in maintaining immune and epithelial homeostasis in the female reproductive tract. Bacterial Vaginosis (BV) is deleterious to female health, causing the loss of beneficial Lactobacillus species, overgrowth of anaerobic taxa, changes in vaginal pH, breakdown of protective mucins and epithelial barriers, and activation of the immune system. Treatment with gel-based antibiotics (Metronidazole or Clindamycin) resolves BV for 85% of patients, but 50% of those cases recur, indicating a need to identify strategies for overcoming antibiotic resistance and achieving a more durable response. Here, we developed a systems biology approach termed Microbiome Pharmacology Analysis to characterize the antibiotic potential of vaginal microbes, their metabolites and functions, via computational fusion of human cohort multi-omics and post-drug perturbation transcriptomic profiles. We focused on Clindamycin and Metronidazole as candidate drugs and screened 780 vaginal microbiome-drug mimicry candidates to identify candidate taxa and metabolites with antibiotic potential. We demonstrate experimentally that Lactobacillus crispatus -derived Hydroxyisocaproate (HICA) selectively kills Gardnerella vaginalis and that HICA enhances epithelial barrier integrity in a human vagina-on-a-chip system. Our work demonstrates the first use of Pharmacobiome Analysis , for discovering novel, selective antibiotic metabolites for BV with implications for charting the full pharmacologic potential of the vaginal microbiome.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».