Corticosteroids reduce pathologic interferon responses by downregulating STAT1 in patients with high-risk COVID-19
Notice bibliographique
Résumé
We do not yet understand exactly how corticosteroids attenuate hyperinflammatory responses and alleviate high-risk coronavirus disease 2019 (COVID-19). We aimed to reveal the molecular mechanisms of hyperinflammation in COVID-19 and the anti-inflammatory effects of corticosteroids in patients with high-risk COVID-19. We performed single-cell RNA sequencing of peripheral blood mononuclear cells (PBMCs) from three independent COVID-19 cohorts: cohort 1 was used for comparative analysis of high-risk and low-risk COVID-19 (47 PBMC samples from 28 patients), cohort 2 for longitudinal analysis during COVID-19 (57 PBMC samples from 15 patients), and cohort 3 for investigating the effects of corticosteroid treatment in patients with high-risk COVID-19 (55 PBMC samples from 13 patients). PBMC samples from healthy donors (12 PBMC samples from 12 donors) were also included. Cohort 1 revealed a significant increase in the proportion of monocytes expressing the long noncoding RNAs NEAT1 and MALAT1 in high-risk patients. Cohort 2 showed that genes encoding inflammatory chemokines and their receptors were upregulated during aggravation, whereas genes related to angiogenesis were upregulated during improvement. Cohort 3 demonstrated downregulation of interferon-stimulated genes (ISGs), including STAT1, in monocytes after corticosteroid treatment. In particular, unphosphorylated STAT-dependent ISGs enriched in monocytes from lupus patients were selectively downregulated by corticosteroid treatment in patients with high-risk COVID-19. Corticosteroid treatment suppresses pathologic interferon responses in monocytes by downregulating STAT1 in patients with high-risk COVID-19. Our study provides insights into the mechanisms underlying COVID-19 aggravation and improvement and the effects of corticosteroid treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».