Human coronaviruses disassemble processing bodies
Notice bibliographique
Résumé
A dysregulated proinflammatory cytokine response is characteristic of severe coronavirus infections caused by SARS-CoV-2, yet our understanding of the underlying mechanism responsible for this imbalanced immune response remains incomplete. Processing bodies (PBs) are cytoplasmic membraneless ribonucleoprotein granules that control innate immune responses by mediating the constitutive decay or suppression of mRNA transcripts, including many that encode proinflammatory cytokines. PB formation promotes turnover or suppression of cytokine RNAs, whereas PB disassembly corresponds with the increased stability and/or translation of these cytokine RNAs. Many viruses cause PB disassembly, an event that can be viewed as a switch that rapidly relieves cytokine RNA repression and permits the infected cell to respond to viral infection. Prior to this submission, no information was known about how human coronaviruses (CoVs) impacted PBs. Here, we show SARS-CoV-2 and the common cold CoVs, OC43 and 229E, induced PB loss. We screened a SARS-CoV-2 gene library and identified that expression of the viral nucleocapsid (N) protein from SARS-CoV-2 was sufficient to mediate PB disassembly. RNA fluorescent in situ hybridization revealed that transcripts encoding TNF and IL-6 localized to PBs in control cells. PB loss correlated with the increased cytoplasmic localization of these transcripts in SARS-CoV-2 N protein-expressing cells. Ectopic expression of the N proteins from five other human coronaviruses (OC43, MERS, 229E, NL63 and SARS-CoV) did not cause significant PB disassembly, suggesting that this feature is unique to SARS-CoV-2 N protein. These data suggest that SARS-CoV-2-mediated PB disassembly contributes to the dysregulation of proinflammatory cytokine production observed during severe 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 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 | 0,000 |
| 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 | 0,001 | 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 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 ».