MétaCan
Menu
Retour à la cohorte
Enregistrement W6910722348 · doi:10.5061/dryad.6djh9w17p

Sucrose-preferring gut microbes prevent host obesity by producing exopolysaccharides

2024· dataset· en· W6910722348 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensASTER
Organismes subventionnairesJapan Science and Technology AgencyJapan Society for the Promotion of ScienceJapan Agency for Medical Research and Development
Mots-clésStreptococcus salivariusBacteriaSucroseLactobacillus salivariusHuman healthHost (biology)Carbohydrate

Résumé

récupéré en direct d'OpenAlex

Commensal bacteria affect host health by producing various metabolites from dietary carbohydrates via bacterial glycometabolism; however, the underlying mechanism of action remains unclear. Here, we identified Streptococcus salivarius as a unique anti-obesity commensal bacterium. We found that S. salivarius may prevent host obesity caused by excess sucrose intake via the exopolysaccharide (EPS)-short-chain fatty acid (SCFA)-carbohydrate metabolic axis. Healthy human donor-derived S. salivarius produced high EPS levels from sucrose but not from other sugars. S. salivarius abundance was significantly decreased in human donors with obesity, and the EPS-SCFA bacterial carbohydrate metabolic process was attenuated. Our findings reveal an important mechanism by which host–commensal interactions in glycometabolism affect energy regulation, suggesting an approach for preventing lifestyle-related diseases via prebiotics and probiotics by targeting bacteria and EPS metabolites.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,098

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207