Can Natural Killer Cells Be a Principal Player in Anti-SARS-CoV-2 Immunity?
Notice bibliographique
Résumé
The COVID-19 pandemic caused by SARS-CoV-2 virus infection is resulting in enormous loss of lives and devastating the global economy. Elderly populations and those with co-morbidities are often unable to clear the infection. With several hundred thousand people dead worldwide and many more infected, it is essential to understand the immunological response that results in beneficial or detrimental disease outcomes in this infection. Natural Killer (NK) cells from the innate immune system are early cytotoxic responders that can eradicate virus-infected cells and, therefore, may help control the infection. Besides, NK cells are not only responsible for target lysis but are also immunomodulators that produce pro-inflammatory or anti-inflammatory cytokines such as IFN-γ or IL-10, respectively. Notably, COVID-19 patients consistently experience a loss in total NK cell counts with increased expression of the NKG2A receptors, and such phenotypes are highly correlated to the severity of the disease. Several clinical trials have been initiated to perfuse NK cells to COVID-19 patients. Since numerous reports consistently indicate that COVID-19 patients develop a 'cytokine storm' with increased levels of multiple pro-inflammatory cytokines, trials employing NK cells holding the pro-inflammatory property would be not ideal. Here, we contemplate the impact of NK cell loss on NK cell immunity and cytokine storm in SARS-CoV-2 infection, and propose adequate NK cell therapies for COVID-19 patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».