Angiotensin-Converting Enzyme 2 (ACE2), Transmembrane Peptidase Serine 2 (TMPRSS2), and Furin Expression Increases in the Lungs of Patients with Idiopathic Pulmonary Fibrosis (IPF) and Lymphangioleiomyomatosis (LAM): Implications for SARS-CoV-2 (COVID-19) Infections
Notice bibliographique
Résumé
We previously reported higher ACE2 levels in smokers and patients with COPD. The current study investigates if patients with interstitial lung diseases (ILDs) such as IPF and LAM have elevated ACE2, TMPRSS2, and Furin levels, increasing their risk for SARS-CoV-2 infection and development of COVID-19. Surgically resected lung tissue from IPF, LAM patients, and healthy controls (HC) was immunostained for ACE2, TMPRSS2, and Furin. Percentage ACE2, TMPRSS2, and Furin expression was measured in small airway epithelium (SAE) and alveolar areas using computer-assisted Image-Pro Plus 7.0 software. IPF and LAM tissue was also immunostained for myofibroblast marker α-smooth muscle actin (α-SMA) and growth factor transforming growth factor beta1 (TGF-β1). Compared to HC, ACE2, TMPRSS2 and Furin expression were significantly upregulated in the SAE of IPF (p < 0.01) and LAM (p < 0.001) patients, and in the alveolar areas of IPF (p < 0.001) and LAM (p < 0.01). There was a significant positive correlation between smoking history and ACE2 expression in the IPF cohort for SAE (r = 0.812, p < 0.05) and alveolar areas (r = 0.941, p < 0.01). This, to our knowledge, is the first study to compare ACE2, TMPRSS2, and Furin expression in patients with IPF and LAM compared to HC. Descriptive images show that α-SMA and TGF-β1 increase in the IPF and LAM tissue. Our data suggests that patients with ILDs are at a higher risk of developing severe COVID-19 infection and post-COVID-19 interstitial pulmonary fibrosis. Growth factors secreted by the myofibroblasts, and surrounding tissue could further affect COVID-19 adhesion proteins/cofactors and post-COVID-19 interstitial pulmonary fibrosis. Smoking seems to be the major driving factor in patients with IPF.
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) | 0,001 | 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 ».