Assessing Probiotic Efficacy: Short-Term Impact on Canine Gut Microbiota Using an In Vitro Colonic Fermentation Model
Notice bibliographique
Résumé
In dogs, gut microbiome dysbiosis is associated with several health conditions, including gastrointestinal disease. Probiotic supplementation can support a balanced gut microbiome. This study assessed the impact of a probiotic containing a mixture of Lacticaseibacillus casei, Limosilactobacillus fermentum, Levilactobacillus brevis, and Enterococcus faecium on the gut microbiota of six dogs using short-term colonic simulations. Two groups were included, i.e., blank versus supplementation with the test product, and incubated for 48 h. Probiotic-supplemented reactors had significantly greater fermentative activity compared with the blank, as shown by lower pH levels and higher gas pressure after 6 h, 24 h, and 48 h of incubation (p < 0.05 for all). Saccharolytic fermentation also increased, with a significantly higher level of acetate at 24 h and propionate at 6 h, 24 h, and 48 h with the test product versus blank (p < 0.05 for all). There was no significant effect of the test product on alpha-diversity, but beta-diversity analysis revealed a clear separation in the microbial community composition between the test product and blank. Eight bacterial taxa were enriched with test product supplementation, including the probiotic test strains as well as Megamonas and Bacteroides species. This study, using in vitro short-term colon simulations with six canine donors, provides insights into the probiotic characteristics of the test product.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».