Platelets can contain SARS-CoV-2 RNA and are hyperactivated in COVID-19
Notice bibliographique
Résumé
ABSTRACT Rationale In addition to the overwhelming lung inflammation that prevails in COVID-19, hypercoagulation and thrombosis contribute to the lethality of subjects infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Platelets are chiefly implicated in thrombosis. Moreover, they can interact with viruses and are an important source of inflammatory mediators. While a lower platelet count is associated with severity and mortality, little is known about platelet function during COVID-19. Objective To evaluate the contribution of platelets to inflammation and thrombosis in COVID-19 patients. Methods and Results We document the presence of SARS-CoV-2 RNA in platelets of COVID-19 patients. Exhaustive assessment of cytokines in plasma and in platelets revealed the modulation of platelet-associated cytokine levels in COVID-19, pointing to a direct contribution of platelets to the plasmatic cytokine load. Moreover, we demonstrate that platelets release their alpha- and dense-granule contents and phosphatidylserine-exposing extracellular vesicles. Functionally, platelets were hyperactivated in COVID-19 subjects, with aggregation occurring at suboptimal thrombin concentrations. Furthermore, platelets adhered more efficiently onto collagen-coated surfaces under flow conditions. Conclusions These data suggest that platelets could participate in the dissemination of SARS-CoV-2 and in the overwhelming thrombo-inflammation observed in COVID-19. Thus, blockade of platelet activation pathways may improve outcomes in this disease. KEY POINTS Platelets are a source of inflammatory cytokines and degranulate in COVID-19 Platelets contain SARS-CoV-2 RNA molecules and are prone to activation in COVID-19 Subject terms Infectious diseases/Emerging infectious diseases, SARS-CoV-2, COVID-19, Hematology, Platelets
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 | 0,001 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».