Temporal proteomic analyses of human lung cells distinguish high pathogenicity influenza viruses and coronaviruses from low pathogenicity viruses
Notice bibliographique
Résumé
Newly re-emerging viruses are of significant global concern. In late 2019, a new coronavirus, SARS-CoV-2, emerged in China and soon spread worldwide, causing the COVID-19 pandemic, which to date has caused >6 M deaths. There has been a wealth of studies on this new virus since its emergence. The coronaviruses consist of many animal and human pathogens, with some of the human coronavirus, such as strain OC43, normally causing only mild cold-like symptoms. Viruses usurp host cellular processes to successfully replicate. We used tandem mass tag mass spectrometry-based proteomic analyses of human lung MRC-5 cells infected with OC43 for various periods of time to delineate virus-induced host cell alterations. Numerous proteins involved in lipid metabolism, molecular transport, small molecule biochemistry, cell death and survival, humoral immune response, and inflammatory response were dysregulated. Comparison of our findings to previous studies that examined a range of differentially pathogenic influenza A viruses (IAV), and to SARS-CoV-2 data, revealed that proteins involved in the cell cycle, cytokine signaling, DNA replication, and anti-inflammatory responses were generally similarly affected by virtually all tested IAV and CoV. However, proteins involved in necrosis, protein metabolism, ECM regulation, and signal transduction were generally different. In addition, the more pathogenic CoV and IAV activated Rb-dependent repression of E2F-mediated transcription, whereas less pathogenic influenza and coronaviruses either inhibited or had no effect on this pathway.
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) | 0,001 | 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 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 ».