NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Abstract Background: Graves Hastalığı (GD) en yaygın organa özgü otoimmün hastalıktır ve küçük pilot çalışmalarda bağırsak mikrobiyomunun içindeki taksonomik belirteçlere bağlanmıştır. Bununla birlikte, 16S rRNA amplikon dizileme teknolojisinin küçük örnek boyutu ve sınırlı çözünürlüğü, bu çalışmaların evrenselliğini ve önemini sınırladı. Daha büyük kohortlar ve yüksek çözünürlüklü av tüfeği metagenomik verilerinden farklı analiz seviyelerinin entegrasyonu, bu nedenle GD hastalarının bağırsak mikrobiyal taksonomisi, genler, yollar ve fonksiyonlar, metabolitler ve mutasyon spektrumlarındaki değişimini araştırmak, GD tanısı için bu seviyelerde sağlam mikrobiyal biyobelirteçler oluşturmak için gerekliydi.Sonuçlar: Burada, hafif ve şiddetli Graves hastalığının (GD) 162 bağırsak mikrobiyomları ve sağlıklı kontrolleri üzerinde çalıştık. GD hastalarının bağırsak mikrobiyal özelliklerini ve mikrobiyal mutasyonlarını tanımlamak için Shotgun metagenomik dizilimi ve infered metabolomics uygulandı. Daha sonra, kombine biyobelirteçler makine öğreniminden tanımlandı. Son olarak, bu biyobelirteçlerin farklı metabolik ve otoimmün hastalıklardaki özgüllüğünü doğrulamak için bir meta-analiz gerçekleştirdik. Metagenome-birleştirilmiş genomlar (MAG'ler) ve MAG-annotlanmış genlere dayanan taksonomik ve fonksiyonel analizler, öngörülen metabolik fonksiyonlar ve metabolit profilleri ile birlikte, GD deneklerinden sağlıklı ayıran iki parçalı bir eş-olay ağı, genler ve klinik indeksler ortaya çıkardı. Denetlenen bir sınıflandırma modeli, mikrobiyal türler, MAG'ler, genler ve SNP'ler dahil olmak üzere biyobelirteçlerin bir kombinasyonunu, herhangi bir tek biyobelirteç tipinden modellerden daha üstün bir tahmin gücü ile tanımladı (AUC = 0.98). Bağırsak mikrobiyomlarının küresel, çapraz hastalık meta-analizi, bu GD biyobelirteçlerinin yüksek özgüllüğünü ortaya çıkardı, özellikle Parkinson hastalığına karşı ayrımcılığa neden oldu ve non-invaziv dışkı bazlı tanıların bu hastalıklar için yararlı olacağını öne sürdü.Sonuçlar: Bu çalışma, mikrobiyal ekoloji ve GD patogenezinin evrimi konusundaki anlayışımızı genişletti ve bağırsak biyobelirteçlerine dayanan GD tanısı için yararlı bir öngörü modeli geliştirdi.
Özgün kaynak özetini okuyun
Abstract Background: Graves’ Disease (GD) is the most common organ-specific autoimmune disease and has been linked in small pilot studies to taxonomic markers within the gut microbiome. However, the small sample size and limited resolution of the 16S rRNA amplicon sequencing technology limited the universality and significance of these studies. Larger cohorts and integration of different levels of analysis from high-resolution shotgun metagenomics data were therefore needed to explore the GD patients’ alteration in gut microbial taxonomy, genes, pathways and functions, metabolites, and mutational spectra, to establish robust microbial biomarkers at these levels for GD diagnosis.Results: Here, we studied 162 gut microbiomes of mild and severe Graves’ disease (GD) patients and healthy controls. Shotgun metagenomic sequencing and inferred metabolomics were applied to describe the intestinal microbial characteristics and microbial mutations of GD patients. Then, combined biomarkers were identified from machine learning. Finally, we performed a meta-analysis to confirm the specificity of these biomarkers across different metabolic and autoimmune diseases. Taxonomic and functional analyses based on metagenome-assembled genomes (MAGs) and MAG-annotated genes, together with predicted metabolic functions and metabolite profiles, revealed a bipartite co-occurrence network of MAGs, genes and clinical indexes separating healthy from GD subjects. A supervised classification model identified a combination of biomarkers including microbial species, MAGs, genes and SNPs, with predictive power superior to models from any single biomarker type (AUC=0.98). Global, cross-disease meta-analysis of gut microbiomes revealed high specificity of these GD biomarkers, notably discriminating against Parkinson’s Disease, and suggesting that non-invasive stool-based diagnostics will be useful for these diseases.Conclusions: This work extended our understanding of the microbial ecology and evolution of GD pathogenesis, and developed a useful predictive model for GD diagnosis based on intestinal microbial biomarkers.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.