Plasma Proteome of Long-covid Patients Indicates Hypoxia-mediated Vasculo-proliferative Disease With Impact on Brain and Heart Function
Notice bibliographique
Résumé
Abstract Aims Long-COVID occurs after SARS-CoV-2 infection and results in diverse, prolonged symptoms. The present study aims to determine the underlying mechanisms, and to inform prognosis and treatment. Methods Plasma proteome from Long-COVID outpatients was analyzed in comparison to acutely ill COVID-19 (mild and severe) inpatients and healthy control subjects. The expression of approximately 3000 protein biomarkers was determined with proximity extension assays and then deconvoluted with multiple bioinformatics tools into both cell types and signaling mechanisms, as well as organ specificity. Results Compared to age- and sex-matched acutely ill COVID-19 inpatients and healthy control subjects, Long-COVID outpatients showed natural killer cells with a resting phenotype, as opposed to active, and neutrophils that formed extracellular traps. This resetting of cell phenotypes was reflected in vascular events mediated by both angiopoietin-1 (ANGPT1) and vascular-endothelial growth factor-A (VEGFA). Levels of ANGPT1 and VEGFA were validated by serological methods in different patient cohorts. Silent signaling of transforming growth factor-β1 with elevated EP300 favored not only vascular inflammation, but also tumor necrosis factor-α driven pathways. In addition, a vascular proliferative state associated with hypoxia inducible factor 1 pathway was predicted that progressed from COVID-19 to Long-COVID. The vasculo-proliferative process identified in Long-COVID was associated with significant changes in the organ-specific proteome reflective of neurological and cardiometabolic dysfunction. Conclusions Taken together, our study uncovered a vasculo-proliferative process in Long-COVID initiated by prior hypoxia, and identified potential organ-specific prognostic biomarkers and therapeutic targets.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».