Alternative splicing in the lung influences COVID-19 severity and respiratory diseases
Notice bibliographique
Résumé
Abstract Hospital admission for COVID-19 remains common despite the successful development of vaccines and treatments. Thus, there is an ongoing need to identify targets for new COVID-19 therapies. Alternative splicing is an essential mechanism for generating functional diversity in protein isoforms and influences immune response to infection. However, the causal role of alternative splicing in COVID-19 severity and its potential therapeutic relevance is not fully understood. In this study, we evaluated the causal role of alternative splicing in COVID-19 severity and susceptibility using Mendelian randomization (MR). To do so, we performed two-sample MR to assess whether cis -sQTLs spanning 8,172 gene splicing in 5,295 genes were associated with COVID-19 outcomes in the COVID-19 Host Genetics Initiative, including up to 158,840 COVID-19 cases and 2,782,977 population controls. We identified that alternative splicing in lungs, rather than total RNA expression of OAS1, ATP11A, DPP9 and NPNT , was associated with COVID-19 severity. MUC1 splicing was associated with COVID-19 susceptibility. Further colocalization analyses supported a shared genetic mechanism between COVID-19 severity with idiopathic pulmonary fibrosis at ATP11A and DPP9 loci, and with chronic obstructive lung diseases at NPNT . We lastly showed that ATP11A, DPP9, NPNT , and MUC1 were highly expressed in lung alveolar epithelial cells, both in COVID-19 uninfected and infected samples. Taken together, these findings clarify the importance of alternative splicing of proteins in the lung for COVID-19 and other respiratory diseases, providing isoform-based targets for drug discovery.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».