MétaCan
Menu
← Retour à la cohorte
Enregistrement W3187746373 · doi:10.21203/rs.3.rs-764250/v1

Risk-focused Differences in Molecular Processes Implicated in SARS-CoV-2 Infection: Corollaries in DNA Methylation and Gene Expression

2021· preprint· en· W3187746373 sur OpenAlexafffund
Chaini Konwar, Rebecca Asiimwe, Amy M. Inkster, Sarah M. Merrill, Gian Luca Negri, Maria J. Aristizabal, Christopher F. Rider, Julie L. MacIsaac, Christopher Carlsten, Michael S. Kobor

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensOntario Brain InstituteQueen's UniversityCanada's Michael Smith Genome Sciences CentreBC Cancer AgencyUniversity of TorontoBC Children's HospitaliCo Therapeutics (Canada)University of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchWorkSafe VictoriaBC Children's Hospital
Mots-clésDNA methylationGeneBiologyMethylationGeneticsGene expressionDNAExpression (computer science)VirologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Background Understanding the molecular basis of susceptibility factors to the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection is a global health imperative. It is well-established that males are more likely to acquire SARS-CoV-2 infection and exhibit more severe outcomes. Similarly, exposure to air pollutants and pre-existing respiratory chronic conditions like asthma and chronic obstructive respiratory disease (COPD) confer an increased risk to coronavirus disease 2019 (COVID-19). Methods We investigated molecular patterns associated with risk factors in 398 candidate genes relevant to COVID-19 biology. To accomplish this, we downloaded DNA methylation and gene expression datasets from publicly available repositories (GEO and GTEx portal) and utilized data from our unpublished controlled human exposure study. Results First, we observed sex-biased DNA methylation patterns in autosomal immune genes such as NLRP2, TLE1, GPX1, and ARRB2 (FDR <0.05, magnitude of DNA methylation difference Δβ >0.05). Second, our analysis on the X-linked genes identified sex associated DNA methylation profiles in genes such as ACE2, CA5B, and HS6ST2 (FDR <0.05, Δβ >0.05). These associations were observed across multiple respiratory tissues (lung, nasal epithelia, airway epithelia, and bronchoalveolar lavage) and in whole blood. Some of these genes, like NLRP2 and CA5B, also exhibited sex-biased expression patterns. Third, we identified modest DNA methylation changes in CpGs associated with PRIM2 and TATDN1 (FDR <0.1, Δβ >0.05) in response to particle-depleted diesel exhaust in bronchoalveolar lavage. Finally, we captured a DNA methylation signature associated with COPD diagnosis in a gene involved in nicotine dependence (COMT) (FDR <0.1, Δβ >0.05). Conclusion Our findings on sex differences are of clinical relevance given they potentially point to an exaggerated immune response in males. We also found tissue-specific DNA methylation differences in response to particulate exposure potentially capturing an NO2 effect – a contributor to COVID-19 susceptibility. While we identified a molecular signature associated with COPD, all COPD-affected individuals were smokers, which may either reflect an association with the disease, smoking, or may highlight a compounded effect of these two risk factors in COVID-19. Overall, the findings point towards the molecular basis of variation in susceptibility factors that may partly explain disparities in SARS-CoV-2 infection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,418
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→