AHR signaling is induced by infection with coronaviruses
Notice bibliographique
Résumé
Coronavirus infection in humans is usually associated to respiratory tract illnesses, ranging in severity from mild to life-threatening respiratory failure. The aryl hydrocarbon receptor (AHR) was recently identified as a host factor for Zika and dengue viruses; AHR antagonists boost antiviral immunity, decrease viral titers and ameliorate Zika-induced pathology in vivo. Here we report that AHR is activated by infection with different coronaviruses, potentially impacting antiviral immunity and lung epithelial cells. Indeed, the analysis of single-cell RNA-seq from lung tissue detected increased expression of AHR and AHR transcriptional targets, suggesting AHR signaling activation in SARS-CoV-2-infected epithelial cells from COVID-19 patients. Moreover, we detected an association between AHR expression and viral load in SARS-CoV-2 infected patients. Finally, we found that the pharmacological inhibition of AHR suppressed the replication in vitro of one of the causative agents of the common cold, HCoV-229E, and the causative agent of the COVID-19 pandemic, SARS-CoV-2. Taken together, these findings suggest that AHR activation is a common strategy used by coronaviruses to evade antiviral immunity and promote viral replication, which may also contribute to lung pathology. Future studies should further evaluate the potential of AHR as a target for host-directed antiviral therapy.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».