Lung Neutrophilic Recruitment and IL-8/IL-17A Tissue Expression in COVID-19
Notice bibliographique
Résumé
The new SARS-CoV-2 virus differs from the pandemic Influenza A virus H1N1 subtype (H1N1pmd09) how it induces a pro-inflammatory response in infected patients. This study aims to evaluate the involvement of SNPs and tissue expression of IL-17A and the neutrophils recruitment in post-mortem lung samples from patients who died of severe forms of COVID-19 comparing to those who died by H1N1pdm09. Twenty lung samples from patients SARS-CoV-2 infected (COVID-19 group) and 10 lung samples from adults who died from a severe respiratory H1N1pdm09 infection (H1N1 group) were tested. The tissue expression of IL-8/IL-17A was identified by immunohistochemistry, and hematoxylin and eosin (H&E) stain slides were used for neutrophil scoring. DNA was extracted from paraffin blocks, and genotyping was done in real time-PCR for two IL17A target polymorphisms. Tissue expression increasing of IL-8/IL-17A and a higher number of neutrophils were identified in samples from the H1N1 group compared to the COVID-19 group. The distribution of genotype frequencies in the IL17A gene was not statistically significant between groups. However, the G allele (GG and GA) of rs3819025 was correlated with higher tissue expression of IL-17A in the COVID-19 group. SARS-CoV-2 virus evokes an exacerbated response of the host’s immune system but differs from that observed in the H1N1pdm09 infection since the IL-8/IL-17A tissue expression, and lung neutrophilic recruitment may be decreased. In SNP rs3819025 (G/A), the G allele may be considered a risk allele in the patients who died for COVID-19.
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 | 0,015 |
| 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 ».