Lung cancer models reveal SARS-CoV-2-induced EMT contributes to COVID-19 pathophysiology
Notice bibliographique
Résumé
Abstract COVID-19 is an infectious disease caused by SARS-CoV-2, which enters host cells via the cell surface proteins ACE2 and TMPRSS2. Using a variety of normal and malignant models and tissues from the aerodigestive and respiratory tracts, we investigated the expression and regulation of ACE2 and TMPRSS2 . We find that ACE2 expression is restricted to a select population of highly epithelial cells. Notably, infection with SARS-CoV-2 in cancer cell lines, bronchial organoids, and patient nasal epithelium, induces metabolic and transcriptional changes consistent with epithelial to mesenchymal transition (EMT), including upregulation of ZEB1 and AXL , resulting in an increased EMT score. Additionally, a transcriptional loss of genes associated with tight junction function occurs with SARS-CoV-2 infection. The SARS-CoV-2 receptor, ACE2, is repressed by EMT via TGFbeta, ZEB1 overexpression and onset of EGFR TKI inhibitor resistance. This suggests a novel model of SARS-CoV-2 pathogenesis in which infected cells shift toward an increasingly mesenchymal state, associated with a loss of tight junction components with acute respiratory distress syndrome-protective effects. AXL-inhibition and ZEB1-reduction, as with bemcentinib, offers a potential strategy to reverse this effect. These observations highlight the utility of aerodigestive and, especially, lung cancer model systems in exploring the pathogenesis of SARS-CoV-2 and other respiratory viruses, and offer important insights into the potential mechanisms underlying the morbidity and mortality of COVID-19 in healthy patients and cancer patients alike.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».