Mast Cell and Eosinophil Activation Are Associated With COVID-19 and TLR-Mediated Viral Inflammation: Implications for an Anti-Siglec-8 Antibody
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) caused by SARS-CoV-2 infection represents a global health crisis. Immune cell activation via pattern recognition receptors has been implicated as a driver of the hyperinflammatory response seen in COVID-19. However, our understanding of the specific immune responses to SARS-CoV-2 remains limited. Mast cells (MCs) and eosinophils are innate immune cells that play pathogenic roles in many inflammatory responses. Here we report MC-derived proteases and eosinophil-associated mediators are elevated in COVID-19 patient sera and lung tissues. Stimulation of viral-sensing toll-like receptorsin vitroand administration of synthetic viral RNAin vivoinduced features of hyperinflammation, including cytokine elevation, immune cell airway infiltration, and MC-protease production—effects suppressed by an anti-Siglec-8 monoclonal antibody which selectively inhibits MCs and depletes eosinophils. Similarly, anti-Siglec-8 treatment reduced disease severity and airway inflammation in a respiratory viral infection model. These results suggest that MC and eosinophil activation are associated with COVID-19 inflammation and anti-Siglec-8 antibodies are a potential therapeutic approach for attenuating excessive inflammation during viral infections.
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) | 0,001 | 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 ».