Additional file 2 of Gut microbiome signatures linked to HIV-1 reservoir size and viremia control
Notice bibliographique
Résumé
Additional file 1: Supplementary methods. Supplementary results. Figure S1. BCN02-microbiome study design and sample collection strategy. Figure S2. Overview of sample disposition for multi-omic analysis. Figure S3. Taxonomic classification of fecal samples at the order level. Figure S4. Differential abundance in Methanobacteriales between controllers and non-controllers. Figure S5. Linear Discriminant Analysis (LDA) effect size (LEfSe) at the species level. Figure S6. Longitudinal feature-volatility analysis of Bacteroidales and Clostridiales species. Figure S7. Bray-Curtis dissimilarity index between controllers and non-controllers. Figure S8. Gut microbiome profiling excluding B07 participant from non-controllers arm. Figure S9. Differentially abundant metabolic pathways from Bacteroidales and Clostridiales at the study entry. Figure S10. Differential metabolic pathways between controllers and non-controllers. Figure S11. Longitudinal variation of differentially abundant pathways over the trial. Figure S12. Differential archaeal metabolic pathways between controllers and non-controllers. Figure S13. Spearman’s correlation between clinical data, vaccine response and gut microbial variables. Figure S14. Differentially expressed PBMC host genes between controllers and non-controllers at baseline. Figure S15. Protein inflammation markers from controllers and non-controllers at baseline. Figure S16. Functional enrichment of transcripts correlated with the ratio Bacteroidales:Clostridiales and viral reservoir. Figure S17. Integrated analysis of microbiome, metaproteome and transcriptome data.
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 | 0,002 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,869 | 0,127 |
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 ».