Low perforin expression in CD8+ T lymphocytes during the acute phase of severe SARS-CoV-2 infection predicts long COVID
Notice bibliographique
Résumé
T cell cytotoxicity plays a major role in antiviral immunity. Anti-SARS-CoV-2 immunity may determine acute disease severity, but also the potential persistence of symptoms (long COVID). We therefore measured the expression of perforin, a cytotoxic mediator, in T cells of patients recently hospitalized for SARS-CoV-2 infection. We recruited 54 volunteers confirmed as being SARS-CoV-2-infected by RT-PCR and admitted to Intensive Care Units (ICUs) or non-ICU, and 29 age- and sex-matched healthy controls (HCs). Amounts of intracellular perforin and granzyme-B, as well as cell surface expression of the degranulation marker CD107A were determined by flow cytometry. The levels of 15 cytokines in plasma were measured by Luminex. The frequency of perforin-positive T4 cells and T8 cells was higher in patients than in HCs (9.9 ± 10.1% versus 4.6 ± 6.4%, p = 0.006 and 46.7 ± 20.6% vs 33.3 ± 18.8%, p = 0.004, respectively). Perforin expression was neither correlated with clinical and biological markers of disease severity nor predictive of death. By contrast, the percentage of perforin-positive T8 cells in the acute phase of the disease predicted the onset of long COVID one year later. A low T8 cytotoxicity in the first days of SARS-CoV-2 infection might favor virus replication and persistence, autoimmunity, and/or reactivation of other viruses such as Epstein-Barr virus or cytomegalovirus, paving the way for long COVID. Under this hypothesis, boosting T cell cytotoxicity during the acute phase of the infection could prevent delayed sequelae.
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) | 0,001 | 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 | 0,001 |
| 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 ».