Abnormal antibodies to self-carbohydrates in SARS-CoV-2 infected patients
Notice bibliographique
Résumé
Abstract SARS-CoV-2 is a deadly virus that is causing the global pandemic coronavirus disease 2019 (COVID-19). Our immune system plays a critical role in preventing, clearing, and treating the virus, but aberrant immune responses can contribute to deleterious symptoms and mortality. Many aspects of immune responses to SARS-CoV-2 are being investigated, but little is known about immune responses to carbohydrates. Since the surface of the virus is heavily glycosylated, pre-existing antibodies to glycans could potentially recognize the virus and influence disease progression. Furthermore, antibody responses to carbohydrates could be induced, affecting disease severity and clinical outcome. In this study, we used a carbohydrate antigen microarray with over 800 individual components to profile serum anti-glycan antibodies in COVID-19 patients and healthy control subjects. In COVID-19 patients, we observed abnormally high IgG and IgM antibodies to numerous self-glycans, including gangliosides, N -linked glycans, LacNAc-containing glycans, blood group H, and sialyl Lewis X. Some of these anti-glycan antibodies are known to play roles in autoimmune diseases and neurological disorders, which may help explain some of the unusual and prolonged symptoms observed in COVID-19 patients. The detection of antibodies to self-glycans has important implications for using convalescent serum to treat patients, developing safe and effective SARS-CoV-2 vaccines, and understanding the risks of infection. In addition, this study provides new insight into the immune responses to SARS-CoV-2 and illustrates the importance of including host and viral carbohydrate antigens when studying immune responses to viruses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».