Point mutation bias in SARS-CoV-2 variants results in increased ability to stimulate inflammatory responses
Notice bibliographique
Résumé
Abstract Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection induces severe pneumonia and is the cause of a worldwide pandemic. Coronaviruses, including SARS-CoV-2, have RNA proofreading enzymes in their genomes, resulting in fewer gene mutations than other RNA viruses. Nevertheless, variants of SARS-CoV-2 exist and may induce different symptoms; however, the factors and the impacts of these mutations are not well understood. We found that there is a bias to the mutations occurring in SARS-CoV-2 variants, with disproportionate mutation to uracil (U). These point mutations to U are mainly derived from cytosine (C), which is consistent with the substrate specificity of host RNA editing enzymes, APOBECs. We also found the point mutations which are consistent with other RNA editing enzymes, ADARs. For the C-to-U mutations, the context of the upstream uracil and downstream guanine from mutated position was found to be most prevalent. Further, the degree of increase of U in SARS-CoV-2 variants correlates with enhanced production of cytokines, such as TNF-a and IL-6, in cell lines when compared with stimulation by the ssRNA sequence of the isolated virus in Wuhan. Therefore, RNA editing is a factor for mutation bias in SARS-CoV-2 variants, which affects host inflammatory cytokines production.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».