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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».