SARS-CoV-2 suppresses TLR4-induced immunity by dendritic cells via C-type lectin receptor DC-SIGN
Notice bibliographique
Résumé
SARS-CoV-2 causes COVID-19, an infectious disease with symptoms ranging from a mild cold to severe pneumonia, inflammation, and even death. Although strong inflammatory responses are a major factor in causing morbidity and mortality, superinfections with bacteria during severe COVID-19 often cause pneumonia, bacteremia and sepsis. Aberrant immune responses might underlie increased sensitivity to bacteria during COVID-19 but the mechanisms remain unclear. Here we investigated whether SARS-CoV-2 directly suppresses immune responses to bacteria. We studied the functionality of human dendritic cells (DCs) towards a variety of bacterial triggers after exposure to SARS-CoV-2 Spike (S) protein and SARS-CoV-2 primary isolate (hCoV-19/Italy). Notably, pre-exposure of DCs to either SARS-CoV-2 S protein or a SARS-CoV-2 isolate led to reduced type I interferon (IFN) and cytokine responses in response to Toll-like receptor (TLR)4 agonist lipopolysaccharide (LPS), whereas other TLR agonists were not affected. SARS-CoV-2 S protein interacted with the C-type lectin receptor DC-SIGN and, notably, blocking DC-SIGN with antibodies restored type I IFN and cytokine responses to LPS. Moreover, blocking the kinase Raf-1 by a small molecule inhibitor restored immune responses to LPS. These results suggest that SARS-CoV-2 modulates DC function upon TLR4 triggering via DC-SIGN-induced Raf-1 pathway. These data imply that SARS-CoV-2 actively suppresses DC function via DC-SIGN, which might account for the higher mortality rates observed in patients with COVID-19 and bacterial superinfections.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».