The Quality of SARS-CoV-2–Specific T Cell Functions Differs in Patients with Mild/Moderate versus Severe Disease, and T Cells Expressing Coinhibitory Receptors Are Highly Activated
Notice bibliographique
Résumé
Abstract Understanding the function of SARS-CoV-2 Ag-specific T cells is crucial for the monitoring of antiviral immunity and vaccine design. Currently, both impaired and robust T cell immunity is described in COVID-19 patients. In this study, we explored and compared the effector functions of SARS-CoV-2–reactive T cells expressing coinhibitory receptors and examine the immunogenicity of SARS-CoV-2 S, M, and N peptide pools in regard to specific effector T cell responses, Th1/Th2/Th17, in COVID-19 patients. Analyzing a cohort of 108 COVID-19 patients with mild, moderate, and severe disease, we observed that coinhibitory receptors (e.g., PD-1, CTLA-4, TIM-3, VISTA, CD39, CD160, 2B4, TIGIT, Gal-9, and NKG2A) were upregulated on both CD4+ and CD8+ T cells. Importantly, the expression of coinhibitory receptors on T cells recognizing SARS-CoV-2 peptide pools (M/N/S) was associated with increased frequencies of cytokine-producing T cells. Thus, our data refute the concept of pathological T cell exhaustion in COVID-19 patients. Despite interindividual variations in the T cell response to viral peptide pools, a Th2 phenotype was associated with asymptomatic and milder disease, whereas a robust Th17 was associated with severe disease, which may potentiate the hyperinflammatory response in patients admitted to the Intensive Care Unit. Our data demonstrate that T cells may either play a protective or detrimental role in COVID-19 patients. This finding could have important implications for immune correlates of protection, diagnostic, and prophylaxis with respect to COVID-19 management.
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 | 0,002 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».