Stratification of COVID-19 patients based on quantitative immune-related gene expression in whole blood
Notice bibliographique
Résumé
The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) causes mild symptoms in the majority of infected individuals, yet in some cases it leads to a life-threatening condition. Determination of early predictive biomarkers enabling risk stratification for coronavirus disease 2019 (COVID-19) patients can inform treatment and intervention strategies. Herein, we analyzed whole blood samples obtained from individuals infected with SARS-CoV-2, varying from mild to critical symptoms, approximately one week after symptom onset. In order to identify blood-specific markers of disease severity status, a targeted expression analysis of 143 immune-related genes was carried out by dual-color reverse transcriptase multiplex ligation-dependent probe amplification (dcRT-MLPA). The clinically well-defined subgroups of COVID-19 patients were compared with healthy controls. The transcriptional profile of the critically ill patients clearly separated from that of healthy individuals. Moreover, the number of differentially expressed genes increased by severity of COVID-19. It was also found that critically ill patients can be distinguished by reduced peripheral blood expression of several genes, which most likely reflects the lower lymphocyte counts. There was a notable predominance of IFN-associated gene expression in all subgroups of COVID-19, which was most profound in critically ill patients. Interestingly, the gene encoding one of the main TNF-receptors, TNFRS1A, had selectively lower expression in mild COVID-19 cases. This report provides added value in understanding COVID-19 disease, and shows potential of determining early immune transcript signatures in the blood of patients with different disease severity. These results can guide further explorations to uncover mechanisms underlying immunity and immunopathology in COVID-19.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».