Integrative systems immunology uncovers molecular networks of the cell cycle that stratify COVID‐19 severity
Notice bibliographique
Résumé
Several perturbations in the number of peripheral blood leukocytes, such as neutrophilia and lymphopenia associated with Coronavirus disease 2019 (COVID-19) severity, point to systemic molecular cell cycle alterations during severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) infection. However, the landscape of cell cycle alterations in COVID-19 remains primarily unexplored. Here, we performed an integrative systems immunology analysis of publicly available proteome and transcriptome data to characterize global changes in the cell cycle signature of COVID-19 patients. We found significantly enriched cell cycle-associated gene co-expression modules and an interconnected network of cell cycle-associated differentially expressed proteins (DEPs) and genes (DEGs) by integrating the molecular data of 1469 individuals (981 SARS-CoV-2 infected patients and 488 controls [either healthy controls or individuals with other respiratory illnesses]). Among these DEPs and DEGs are several cyclins, cell division cycles, cyclin-dependent kinases, and mini-chromosome maintenance proteins. COVID-19 patients partially shared the expression pattern of some cell cycle-associated genes with other respiratory illnesses but exhibited some specific differential features. Notably, the cell cycle signature predominated in the patients' blood leukocytes (B, T, and natural killer cells) and was associated with COVID-19 severity and disease trajectories. These results provide a unique global understanding of distinct alterations in cell cycle-associated molecules in COVID-19 patients, suggesting new putative pathways for therapeutic intervention.
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 | 0,004 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».