MétaCan
Menu
Retour à la cohorte
Enregistrement W4293236051 · doi:10.1101/2022.08.23.504798

Integrated Immunopeptidomics and Proteomics Study Reveals Imbalanced Innate and Adaptive Immune Responses to SARS-Cov-2 Infection

2022· preprint· en· W4293236051 sur OpenAlexaff
Rui Chen, Kelly M. Fulton, Anh Tran, Diana Duque, Kevin A. Kovalchik, Étienne Caron, Susan M. Twine, Jianjun Li

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésImmune systemImmunoprecipitationBiologyInnate immune systemAntigen presentationHuman leukocyte antigenAntigenMajor histocompatibility complexImmunologyProteomicsAcquired immune systemVirologyMHC class IAntigen processingAntibodyT cellGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract We present an integrated immunopeptidomics and proteomics study of SARS-Cov-2 infection to comprehensively decipher the changes in host cells in response to viral infection. Our results indicated that innate immune response in Calu-3 cells was initiated by TLR3, followed by activation of interferon signaling pathway. Host cells also present viral antigens to the cell surface through both Class I and Class II MHC system for recognition by adaptive immune system. SARS-Cov-2 infection led to the disruption of antigen presentation as demonstrated by higher level of HLA proteins from the flow-through of MHC immunoprecipitation. Glycosylation analysis of HLA proteins from the elution and flow-through of immunoprecipitation revealed that the synthesis and degradation of HLA protein was affected by SARS-Cov-2 infection. This study provided many useful information to study the host response to SARS-Cov-2 infection and would be helpful for the development of therapeutics and vaccine for Covid-19 and future pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetvaccines and immunoinformatics approachesTravaux en français237 207