A blood transcriptome-based analysis of disease progression, immune regulation, and symptoms in coronavirus-infected patients
Notice bibliographique
Résumé
COVID-19 patients show heterogeneity in clinical presentation and outcomes that makes pandemic control and strategy difficult; optimizing management requires a systems biology approach of understanding the disease. Here we sought to potentially understand and infer complex disease progression, immune regulation, and symptoms in patients infected with coronaviruses (35 SARS-CoV and 3 SARS-CoV-2 patients and 57 samples) at two different disease progression stages. Further, we compared coronavirus data with healthy individuals (n = 16) and patients with other infections (n = 144; all publicly available data). We applied inferential statistics (the COVID-engine platform) to RNA profiles (from limited number of samples) derived from peripheral blood mononuclear cells (PBMCs). Compared to healthy individuals, a subset of integrated blood-based gene profiles (signatures) distinguished acute-like (mimicking coronavirus-infected patients with prolonged hospitalization) from recovering-like patients. These signatures also hierarchically represented multiple (at the system level) parameters associated with PBMC including dysregulated cytokines, genes, pathways, networks of pathways/concepts, immune status, and cell types. Proof-of-principle observations included PBMC-based increases in cytokine storm-associated IL6, enhanced innate immunity (macrophages and neutrophils), and lower adaptive T and B cell immunity in patients with acute-like disease compared to those with recovery-like disease. Patients in the recovery-like stage showed significantly enhanced TNF, IFN-γ, anti-viral, HLA-DQA1, and HLA-F gene expression and cytolytic activity, and reduced pro-viral gene expression compared to those in the acute-like stage in PBMC. Besides, our analysis revealed overlapping genes associated with potential comorbidities (associated diabetes) and disease-like conditions (associated with thromboembolism, pneumonia, lung disease, and septicemia). Overall, our COVID-engine inferential statistics platform and study involving PBMC-based RNA profiling may help understand complex and variable system-wide responses displayed by coronavirus-infected patients with further validation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».