Lung spatial profiling reveals a T cell signature in COPD patients with fatal SARS-CoV-2 infection
Notice bibliographique
Résumé
Abstract Rationale People with pre-existing lung diseases like chronic obstructive pulmonary disease (COPD) are more likely to get very sick from SARS-CoV-2 disease 2019 (COVID-19), but an interrogation of the immune response to COVID-19 infection, spatial throughout the lung structure is lacking in patients with COPD. Objectives To profile the immune microenvironment of lung parenchyma, airways, and vessels of never- and ever-smokers with or without COPD, whom all died of COVID-19, using spatial transcriptomic and proteomic profiling. Findings The parenchyma, airways, and vessels of COPD patients, compared to control lungs had: 1) significant enrichment for lung resident CD45RO + memory T cells; 2) downregulation of genes associated with T cell antigen-priming and memory T cell differentiation; 3) higher expression of proteins associated with SARS-CoV-2 entry and major receptor ubiquitously across the ROIs and in particular the lung parenchyma, despite similar SARS-CoV-2 structural gene expression levels. Conclusions The lung parenchyma, airways, and vessels of COPD patients have increased T-lymphocytes with a blunted memory T cell response and a more invasive SARS-CoV-2 infection pattern, and may underlie the higher death toll observed with 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 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) | 0,002 | 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 ».