Functional characterisation of human microbiomes using metatranscriptomics
Notice bibliographique
Résumé
The complex assemblages of microbiota that colonise mucosal surfaces of the human body can change throughout our lives, such as during the initial succession period after birth, during disease, and during pregnancy. Over the past two decades, these microbiomes have been intimately linked to human health. While the exact mechanisms are not well-understood, dysbiosis (a change in diversity or composition) of the microbiome have been implicated in a range of diseases and disorders. Many past studies have been reliant on amplicon marker surveys of the 16S ribosomal RNA genes for community profiling. In contrast, whole microbiome RNA-sequencing or “metatranscriptomics” allows for elucidation the functions of microorganisms within the community. The purpose of my thesis is to investigate how microbial functional profiles are influenced by disease states and pregnancy using metatranscriptomics and state-of-the-art computational tools. I leverage two datasets to develop a comprehensive workflow for characterising the functional profile of complex microbial communities: samples from a study investigating the impact of influenza on the upper respiratory tract microbiome and samples from a study investigating the gut microbiome during pregnancy.With the influenza dataset, I identify peptidoglycan biosynthesis and cysteine and methione metabolism to be over-represented in genes that are differentially expressed in samples from households where influenza transmission occurred. Expression of genes related to iron scavenging, antibiotic resistance, and biofilm synthesis were not significantly impacted by influenza. But consistent expression of the Pel operon was observed across the samples. With the pregnancy dataset, I characterise a large cohort of mothers and infants based on anthropometric and nutrition-related metrics. I use a pilot study of metatranscriptomic samples to identify increased expression of enzymes involved in Energy and Carbohydrate metabolism super pathways in the third trimester compared to the first trimester of pregnancy.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».