Enhanced expression of immune checkpoint receptors during SARS-CoV-2 viral infection
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
analyses to evaluate the expression pattern of 38 selected immune inhibitory receptors (IRs) associated with different myeloid and lymphoid immune cells during coronavirus disease 2019 (COVID-19) infection. Our analyses revealed a pattern of overall upregulation of IR mRNA during severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection. A large number of IRs expressed on both lymphoid and myeloid cells were upregulated in nasopharyngeal swabs (NPSs), while lymphoid-associated IRs were specifically upregulated in autopsies, reflecting severe, terminal stage COVID-19 disease. Eight genes (BTLA, LAG3, FCGR2B, PDCD1, CEACAM1, CTLA4, CD72, and SIGLEC7), shared by NPSs and autopsies, were more expressed in autopsies and were directly correlated with viral levels. Single-cell data from blood and bronchoalveolar samples also reflected the observed association between IR upregulation and disease severity. Moreover, compared to SARS-CoV-1, influenza, and respiratory syncytial virus infections, the number and intensities of upregulated IRs were higher in SARS-CoV-2 infections. In conclusion, the immunopathology and severity of COVID-19 could be attributed to dysregulation of different immune inhibitors. Targeting one or more of these immune inhibitors could represent an effective therapeutic approach for the treatment of COVID-19 early and late immune dysregulations.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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