Good Cholesterol Gone Bad? HDL and COVID-19
Notice bibliographique
Résumé
The transmissible respiratory disease COVID-19, caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), has affected millions of people worldwide since its first reported outbreak in December of 2019 in Wuhan, China. Since then, multiple studies have shown an inverse correlation between the levels of high-density lipoprotein (HDL) particles and the severity of COVID-19, with low HDL levels being associated with an increased risk of severe outcomes. Some studies revealed that HDL binds to SARS-CoV-2 particles via the virus's spike protein and, under certain conditions, such as low HDL particle concentrations, it facilitates SARS-CoV-2 binding to angiotensin-converting enzyme 2 (ACE2) and infection of host cells. Other studies, however, reported that HDL suppressed SARS-CoV-2 infection. In both cases, the ability of HDL to enhance or suppress virus infection appears to be dependent on the expression of the HDL receptor, namely, the Scavenger Receptor Class B type 1 (SR-B1), in the target cells. SR-B1 and HDL represent crucial mediators of cholesterol metabolism. Herein, we review the complex role of HDL and SR-B1 in SARS-CoV-2-induced disease. We also review recent advances in our understanding of HDL structure, properties, and function during SARS-CoV-2 infection and the resulting COVID-19 disease.
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 | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».