Altered gut microbiota and host pathways in obesity-related knee osteoarthritis
Notice bibliographique
Résumé
OBJECTIVES: To investigate gut microbial alteration and their functional consequences in obesity (OB)-related knee osteoarthritis (OA) by integrating microbiome with metabolomic, proteomic, and dietary data. METHODS: Fecal and fasting plasma samples were collected from 91 knee OA patients and 12 OA-free controls, classified into four subgroups based on OB and OA status: 66 OB+OA+, 25 OB-OA+, 5 OB+OA-, and 7 OB-OA-. 16S rRNA gene sequencing was performed to profile gut microbiota. MaAsLin2 modelling was applied, and dietary intake was incorporated into the models. Plasma metabolomics (n=630 metabolites) and proteomics (n=5,416 proteins) were integrated with microbial signatures to assess functional associations. RESULTS: OB+OA+ patients exhibited significantly lower a- and β-diversity than OB-OA+ (p<0.05). Seventeen microbial taxa were identified to be significantly associated with OB+OA+ (all p<7.65×10-5 after correcting tests for 654 ASVs), and 16 of them remained significant after adjustment for age, sex, antibiotic use, and dietary intake. PICRUSt2-based predictive analysis on these taxa suggested that bile acid biosynthesis was upregulated in OB+OA+ group. These taxa were correlated with 376 metabolites (p<0.05) with enrichment in fatty acid biosynthesis, linoleic/arachidonic acid metabolism, and propanoate metabolism pathways. They were also associated with 146 proteins (p<0.001) with enrichment in PI3K-Akt signalling, ECM-receptor interaction, and lipid/atherosclerosis pathways. CONCLUSIONS: OB+OA+ patients exhibited significant gut microbial dysbiosis associated with systemic metabolic and proteomic alterations relevant to OA pathophysiology. The microbiome-metabolome-proteome axis may provide mechanistic insights into worsened OA outcomes in OB individuals and could inform microbiome-targeted 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 | 0,000 | 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) | 0,000 | 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 ».