Lung Spatial Profiling Reveals a T Cell Signature in COPD Patients with Fatal SARS-CoV-2 Infection
Notice bibliographique
Résumé
People with pre-existing lung diseases such as chronic obstructive pulmonary disease (COPD) are more likely to get very sick from SARS-CoV-2 disease 2019 (COVID-19). Still, an interrogation of the immune response to COVID-19 infection, spatially throughout the lung structure, is lacking in patients with COPD. For this study, we characterized the immune microenvironment of the lung parenchyma, airways, and vessels of never- and ever-smokers with or without COPD, all of whom died of COVID-19, using spatial transcriptomic and proteomic profiling. The parenchyma, airways, and vessels of COPD patients, compared to control lungs had (1) significant enrichment for lung-resident CD45RO+ memory CD4+ T cells; (2) downregulation of genes associated with T cell antigen priming and memory T cell differentiation; and (3) higher expression of proteins associated with SARS-CoV-2 entry and primary receptor ubiquitously across the ROIs and in particular the lung parenchyma, despite similar SARS-CoV-2 structural gene expression levels. In conclusion, the lung parenchyma, airways, and vessels of COPD patients have increased T-lymphocytes with a blunted memory CD4 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 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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».