Characterization of specific Gut Bacteria and bacterial Metabolites in Human Obesity and Type 2 Diabetes
Notice bibliographique
Résumé
In the present thesis, we aimed to characterize the gut bacterium Parasutterella in our cross-sectional FoCus cohort (n=1,544), an independent Canadian cohort (n=438) and additionally in a weight loss intervention cohort (n=55). Parasutterella was positively associated with BMI (body mass index), fasting insulin and type 2 diabetes independently of low-grade inflammation. Dietary analysis revealed a positive association between Parasutterella sp. with the dietary intake of carbohydrates but not with fat or protein consumption. MS-metabolomics analysis appointed L-cysteine as strongly reduced in subjects with high Parasutterella abundance. Additionally, metabolic network enrichment analysis identified an association of high Parasutterella abundance with the activation of the human fatty acid biosynthesis pathway suggesting a mechanism for body weight gain. This was supported by a reduction of Parasutterella excrementihominis abundance during a low-carb diet within the weight loss intervention. Together, these data indicate a role of Parasutterella in human obesity and type 2 diabetes. Secondly, the present thesis shows by biostatistical modeling that agmatine, measured by MS-metabolomics, was elevated in FoCus subjects with an increased BMI (n=1,704) coupled with reduced microbial α-diversity. In addition, cell culture models provided insight into the effect of agmatine on decelerating adipogenesis and activating inflammatory processes in human macrophages. These results suggest that agmatine has effects on metabolic processes and these should be validated in future clinical interventions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 tête enseignante, 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 ».