The relationship between cytokine and neutrophil gene network distinguishes SARS-CoV-2–infected patients by sex and age
Notice bibliographique
Résumé
The fact that the COVID-19 fatality rate varies by sex and age is poorly understood. Notably, the outcome of SARS-CoV-2 infections mostly depends on the control of cytokine storm and the increasingly recognized pathological role of uncontrolled neutrophil activation. Here, we used an integrative approach with publicly available RNA-Seq data sets of nasopharyngeal swabs and peripheral blood leukocytes from patients with SARS-CoV-2, according to sex and age. Female and young patients infected by SARS-CoV-2 exhibited a larger number of differentially expressed genes (DEGs) compared with male and elderly patients, indicating a stronger immune modulation. Among them, we found an association between upregulated cytokine/chemokine- and downregulated neutrophil-related DEGs. This was correlated with a closer relationship between female and young subjects, while the relationship between male and elderly patients was closer still. The association between these cytokine/chemokines and neutrophil DEGs is marked by a strongly correlated interferome network. Here, female patients exhibited reduced transcriptional levels of key proinflammatory/neutrophil-related genes, such as CXCL8 receptors (CXCR1 and CXCR2), IL-1β, S100A9, ITGAM, and DBNL, compared with male patients. These genes are well known to be protective against inflammatory damage. Therefore, our work suggests specific immune-regulatory pathways associated with sex and age of patients infected with SARS-CoV-2 and provides a possible association between inverse modulation of cytokine/chemokine and neutrophil transcriptional signatures.
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 | 0,000 | 0,032 |
| 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 | 0,000 |
| 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 ».