Synergistic Detrimental Effects of Cigarette Smoke, Alcohol, and SARS-CoV-2 in COPD Bronchial Epithelial Cells
Notice bibliographique
Résumé
Lung conditions such as COPD, as well as risk factors such as alcohol misuse and cigarette smoking, can exacerbate COVID-19 disease severity. Synergistically, these risk factors can have a significant impact on immunity against pathogens. Here, we studied the effect of a short exposure to alcohol and/or cigarette smoke extract (CSE) in vitro on acute SARS-CoV-2 infection of ciliated human bronchial epithelial cells (HBECs) collected from healthy and COPD donors. We observed an increase in viral titer in CSE- or alcohol-treated COPD HBECs compared to untreated COPD HBECs. Furthermore, we treated healthy HBECs accompanied by enhanced lactate dehydrogenase activity, indicating exacerbated injury. Finally, IL-8 secretion was elevated due to the synergistic damage mediated by alcohol, CSE, and SARS-CoV-2 in COPD HBECs. Together, our data suggest that, with pre-existing COPD, short exposure to alcohol or CSE is sufficient to exacerbate SARS-CoV-2 infection and associated injury, impairing lung defences.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».