Dual RNA-Seq characterization of host and pathogen gene expression in liver cells infected with Crimean-Congo Hemorrhagic Fever Virus
Notice bibliographique
Résumé
Crimean-Congo hemorrhagic fever virus (CCHFV) is a tick-borne virus that can cause a hemorrhagic fever in humans, with a case fatality rate of up to 40%. Cases of CCHFV have been reported in Africa, Asia, and southern Europe; and recently, due to the expanding range of its vector, autochthonous cases have been reported in Spain. Although it was discovered over 70 years ago, our understanding of the pathogenesis of this virus remains limited. We used RNA-Seq in two human liver cell lines (HepG2 and Huh7) infected with CCHFV (strain IbAr10200), to examine kinetic changes in host expression and viral replication simultaneously at 1 and 3 days post infection. Through this, numerous host pathways were identified that were modulated by the virus including: antiviral response and endothelial cell leakage. Notably, the genes encoding DDX60, a cytosolic component of the RIG-I signalling pathway and OAS2 were both shown to be dysregulated. Interestingly, PTPRR was induced in Huh7 cells but not HepG2 cells. This has been associated with the TLR9 signalling cascade, and polymorphisms in TLR9 have been associated with poor outcomes in patients. Additionally, we performed whole-genome sequencing on CCHFV to assess viral diversity over time, and its relationship to the host response. As a result, we have demonstrated that through next-generation mRNA deep-sequencing it is possible to not only examine mRNA gene expression, but also to examine viral quasispecies and typing of the infecting strain. This demonstrates a proof-of-principle that CCHFV specimens can be analyzed to identify both the virus and host biomarkers that may have implications for prognosis.
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 ».