Systematic metaproteomics mapping reveals functional and ecological landscapes of Ex vivo human gut microbiota responses to therapeutic drugs
Notice bibliographique
Résumé
Therapeutic compounds exert impacts on gut microbiota; however, how they affect the community functional ecology, especially as reflected at the protein level, remains largely unexplored. In this study, we systematically map metaproteomic responses of ex vivo human gut microbiota to 312 compounds, generating 4.6 million microbial protein responses, available as an interactive resource ( https://shiny.imetalab.ca/MPR_Viz/ ). Protein-level analyses identify significant metaproteomic shifts induced by 47 compounds, with neuropharmaceuticals as the sole drug class significantly enriched among these hits. Further analyses on the community level reveal a tri-stability pattern in microbial composition and the emergence of three distinct functional states, based on a functional beta-diversity metric. Notably, neuropharmaceuticals cause particularly strong effects on the microbiomes, lowering the proteome-level functional redundancy and raising the level of antimicrobial resistance proteins, ultimately pushing the microbiome into an alternative functional state. Preliminary validation suggests that enhancing functional redundancy may contribute to maintaining microbiota resilience against neuropharmaceutical-induced antimicrobial resistance. Overall, this work establishes a comprehensive view of how drugs influence gut microbiome function and ecology at the protein level, proposes a landscape-based framework for interpreting community resilience, and highlights the need to consider protein-level and ecological responses in the evaluation of therapeutic interventions. Here, the authors systematically map metaproteomic responses of ex vivo human gut microbiota to common therapeutics, identifying several drug classes inducing strong disruptions to the microbial ecosystem, providing a comprehensive view of how drugs influence gut microbiome function and ecology at the protein level.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».