Isolement, caractérisation et étude "in vitro" de l'activité anti-inflammatoire de différentes souches probiotiques
Bibliographic record
Abstract
L'obésité et les maladies métaboliques telles que le diabète de type 2 sont associées à une inflammation chronique de faible intensité. Plusieurs études ont démontré qu’un régime riche en gras induit une modification de la composition du microbiote intestinal ainsi qu'une augmentation de la concentration en lipopolysacharides (LPS) dans la circulation sanguine. Ces LPS sont considérés comme étant le facteur déclencheur d'une inflammation chronique induisant un ensemble de désordres métaboliques. Selon des études récentes, les probiotiques contribueraient à la prévention de ces maladies métaboliques en réduisant l'inflammation provoquée par les LPS. Toutefois, ce processus inflammatoire est complexe et seules quelques pistes sont évoquées à ce jour. Ce mémoire a pour but 1) d'identifier et de caractériser de nouvelles souches probiotiques appartenant aux genres Lactobacillus, Propionibacterium et Bifidobacterium isolées à partir du fromage, du lait cru et de fèces de bébé et d'adultes et 2) d'étudier in vitro l'activité anti-inflammatoire des bactéries tuées par la chaleur et du surnageant de culture de chacune de ces souches en utilisant le modèle de macrophage murin J774.1. L'effet anti-inflammatoire de ces extraits bactériens a été évalué en mesurant la production d'oxide nitrique (NO) et des cytokines pro-inflammatoires (TNF-α et IL-6) et anti-inflammatoire (IL-10) en absence et en présence de LPS d'Escherichia coli serotype O55:B5. Parmi les cinquante-deux souches testées, trois souches de Lactobacillus, deux souches de Bifidobacterium et une souche de Propionibacterium ont démontré des effets anti-inflammatoires en réduisant la production de NO et d'IL-6 et en stimulant la production d'IL-10 en condition basale et en présence de LPS. Ces souches feront prochainement l’objet d’une étude in vivo chez des souris obèses insulino-résistantes pour confirmer leurs profils anti-inflammatoires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".