MétaCan
Menu
Retour à la cohorte
Enregistrement W4323311747 · doi:10.3390/biomedicines11030778

Parallel Dysregulated Immune Response in Severe Forms of COVID-19 and Bacterial Sepsis via Single-Cell Transcriptome Sequencing

2023· article· en· W4323311747 sur OpenAlexafffund
Alexis Garduno, Gustavo Sganzerla Martinez, Ali Toloue Ostadgavahi, David J. Kelvin, Rachael Cusack, Ignacio Martín‐Loeches

Notice bibliographique

RevueBiomedicines · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensDalhousie University
Organismes subventionnairesResearch Nova ScotiaDalhousie UniversityScience Foundation IrelandCanadian Institutes of Health ResearchGenome CanadaTrinity College DublinDalhousie Medical Research Foundation
Mots-clésSepsisImmune systemImmunologyAcquired immune systemSeptic shockImmune dysregulationInnate immune systemTranscriptomeDiseaseCD8ImmunityMedicineBiologyGeneGene expressionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Critically ill COVID-19 patients start developing single respiratory organ failure that often evolves into multiorgan failure. Understanding the immune mechanisms in severe forms of an infectious disease (either critical COVID-19 or bacterial septic shock) would help to achieve a better understanding of the patient's clinical trajectories and the success of potential therapies. We hypothesized that a dysregulated immune response manifested by the abnormal activation of innate and adaptive immunity might be present depending on the severity of the clinical presentation in both COVID-19 and bacterial sepsis. We found that critically ill COVID-19 patients demonstrated a different clinical endotype that resulted in an inflammatory dysregulation in mild forms of the disease. Mild cases (COVID-19 and bacterial non severe sepsis) showed significant differences in the expression levels of CD8 naïve T cells, CD4 naïve T cells, and CD4 memory T cells. On the other hand, in the severe forms of infection (critical COVID-19 and bacterial septic shock), patients shared immune patterns with upregulated single-cell transcriptome sequencing at the following levels: B cells, monocyte classical, CD4 and CD8 naïve T cells, and natural killers. In conclusion, we identified significant gene expression differences according to the etiology of the infection (COVID-19 or bacterial sepsis) in the mild forms; however, in the severe forms (critical COVID-19 and bacterial septic shock), patients tended to share some of the same immune profiles related to adaptive and innate immune response. Severe forms of the infections were similar independent of the etiology. Our findings might promote the implementation of co-adjuvant therapies and interventions to avoid the development of severe forms of disease that are associated with high mortality rates worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,292
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetLong-Term Effects of COVID-19Travaux en français237 207