Lung and Kidney ACE2 and TMPRSS2 in Renin-Angiotensin System Blocker–Treated Comorbid Diabetic Mice Mimicking Host Factors That Have Been Linked to Severe COVID-19
Notice bibliographique
Résumé
The causes of the increased risk of severe coronavirus disease 2019 (COVID-19) in people with diabetes are unclear. It has been speculated that renin-angiotensin system (RAS) blockers may promote COVID-19 by increasing ACE2, which severe acute respiratory syndrome coronavirus 2 uses to enter host cells, along with the host protease TMPRSS2. Taking a reverse translational approach and by combining in situ hybridization, primary cell isolation, immunoblotting, quantitative RT-PCR, and liquid chromatography-tandem mass spectrometry, we studied lung and kidney ACE2 and TMPRSS2 in diabetic mice mimicking host factors linked to severe COVID-19. In healthy young mice, neither the ACE inhibitor ramipril nor the AT1 receptor blocker telmisartan affected lung or kidney ACE2 or TMPRSS2, except for a small increase in kidney ACE2 protein with ramipril. In contrast, mice with comorbid diabetes (aging, high-fat diet, and streptozotocin-induced diabetes) had heightened lung ACE2 and TMPRSS2 protein levels and increased lung ACE2 activity. None of these parameters were affected by RAS blockade. ACE2 was similarly upregulated in the kidneys of mice with comorbid diabetes compared with aged controls, whereas TMPRSS2 (primarily distal nephron) was highest in telmisartan-treated animals. Upregulation of lung ACE2 activity in comorbid diabetes may contribute to an increased risk of severe COVID-19. This upregulation is driven by comorbidity and not by RAS blockade.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».