Specific immune-regulatory transcriptional signatures reveal sex and age differences in SARS-CoV-2 infected patients
Notice bibliographique
Résumé
ABSTRACT The coronavirus disease 2019 (COVID-19) fatality rate varies in different patient groups. However, the underlying mechanisms that explain this variation are poorly understood. Here, we reanalyzed and integrated public RNAseq datasets of nasopharyngeal swabs and peripheral blood leukocytes from patients with SARS-CoV-2, comparing transcription patterns according to sex, age, and viral load. We found that female and young patients infected by SARS-CoV-2 exhibited a similar transcriptomic pattern with a larger number of total (up- and downregulated) differentially expressed genes (DEGs) compared to males and elderly patients. The transcriptional analysis showed a sex-specific profile with a higher transcriptional modulation of immune response-associated genes in female and young subjects against SARS-CoV-2. The functional clustering was characterized by a highly correlated interferome network of cytokine/chemokine- and neutrophil-associated genes that were enriched both in nasopharyngeal cells and peripheral blood of COVID-19 patients. Females exhibited reduced transcriptional levels of key pro-inflammatory/neutrophil-related genes such as CXCL8 receptors ( CXCR1/CXCR2 ), IL-1β, S100A9, ITGAM , and DBNL compared to males, which correlate with a protective gene expression profile against inflammatory damage. Our data indicate specific immune-regulatory pathways associated with sex and age of patients infected with SARS-CoV-2. These results point out therapeutic targets to reduce morbidity and mortality of COVID-19.
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 | 0,000 | 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) | 0,002 | 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 ».