ACE-2 Expression in the Small Airway Epithelia of Smokers and COPD Patients: Implications for COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Introduction Coronavirus disease 2019 (COVID-19) is a respiratory infection caused by the severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2). This virus uses the angiotensin converting enzyme II (ACE-2) as the cellular entry receptor to infect the lower respiratory tract. Because individuals with chronic obstructive pulmonary disease (COPD) are at increased risk of severe COVID-19, we determined whether ACE-2 expression in the lower airways was related to COPD and cigarette smoking. Methods Using RNA-seq, we determined gene expression levels in bronchial epithelia obtained from cytologic brushings of 6 th to 8 th generation airways in individuals with and without COPD. We eternally validated these results from two additional independent cohorts, which used microarray technologies to measure gene expression levels from 6 th to 12 th generation airways. Results In the discovery cohort (n=42 participants), we found that ACE-2 expression levels were increased by 48% in the airways of COPD compared with non-COPD subjects (COPD=2.52±0.66 log2 counts per million reads (CPM) versus non-COPD= 1.70±0.51 CPM, p=7.62×10 −4 ). There was a significant inverse relationship between ACE-2 gene expression and FEV1% of predicted (r=-0.24; p=0.035). Current smoking also significantly increased ACE-2 expression levels compared with never smokers (never current smokers=2.77±0.91 CPM versus smokers=1.78±0.39 CPM, p=0.024). These findings were replicated in the two eternal cohorts. Conclusions ACE-2 expression in lower airways is increased in patients with COPD and with current smoking. These data suggest that these two subgroups are at increased risk of serious COVID-19 infection and highlight the importance of smoking cessation in reducing the risk.
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.
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 | 0,001 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle