An endogenously activated antiviral state restricts SARS-CoV-2 infection in differentiated primary airway epithelial cells
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the cause of the coronavirus disease-19 (COVID-19) pandemic, was identified in late 2019 and caused >5 million deaths by February 2022. To date, targeted antiviral interventions against COVID-19 are limited. The spectrum of SARS-CoV-2 infection ranges from asymptomatic to fatal disease. However, the reasons for varying outcomes to SARS-CoV-2 infection are yet to be elucidated. Here we show that an endogenously activated interferon lambda (IFNλ1) pathway leads to resistance against SARS-CoV-2 infection. Using a well-differentiated primary nasal epithelial cell (WD-PNEC) culture model derived from multiple adult donors, we discovered that susceptibility to SARS-CoV-2 infection, but not respiratory syncytial virus (RSV) infection, varied. One of four donors was resistant to SARS-CoV-2 infection. High baseline IFNλ1 expression levels and associated interferon stimulated genes correlated with resistance to SARS-CoV-2 infection. Inhibition of the JAK/STAT pathway in WD-PNECs with high endogenous IFNλ1 secretion resulted in higher SARS-CoV-2 titres. Conversely, prophylactic IFNλ treatment of WD-PNECs susceptible to infection resulted in reduced viral titres. An endogenously activated IFNλ response, possibly due to genetic differences, may be one explanation for the differences in susceptibility to SARS-CoV-2 infection in humans. Importantly, our work supports the continued exploration of IFNλ as a potential pharmaceutical against 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 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 ».