Unsuppressed HIV infection impairs T cell responses to SARS-CoV-2 infection and abrogates T cell cross-recognition
Notice bibliographique
Résumé
In some instances, unsuppressed HIV has been associated with severe COVID-19 disease, but the mechanisms underpinning this susceptibility are still unclear. Here, we assessed the impact of HIV infection on the quality and epitope specificity of SARS-CoV-2 T cell responses in the first wave and second wave of the COVID-19 epidemic in South Africa. Flow cytometry was used to measure T cell responses following peripheral blood mononuclear cell stimulation with SARS-CoV-2 peptide pools. Culture expansion was used to determine T cell immunodominance hierarchies and to assess potential SARS-CoV-2 escape from T cell recognition. HIV-seronegative individuals had significantly greater CD4 + T cell responses against the Spike protein compared to the viremic people living with HIV (PLWH). Absolute CD4 count correlated positively with SARS-CoV-2-specific CD4 + and CD8 + T cell responses (CD4 r=0.5, p=0.03; CD8 r=0.5, p=0.001), whereas T cell activation was negatively correlated with CD4 + T cell responses (CD4 r=−0.7, p=0.04). There was diminished T cell cross-recognition between the two waves, which was more pronounced in individuals with unsuppressed HIV infection. Importantly, we identify four mutations in the Beta variant that resulted in abrogation of T cell recognition. Taken together, we show that unsuppressed HIV infection markedly impairs T cell responses to SARS-Cov-2 infection and diminishes T cell cross-recognition. These findings may partly explain the increased susceptibility of PLWH to severe COVID-19 and also highlights their vulnerability to emerging SARS-CoV-2 variants of concern.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».