Spatiotemporal Impact of Sars-Cov-2 Infection on the Transcriptome of Bone Marrow Megakaryocytes
Notice bibliographique
Résumé
Megakaryocytes, integral to platelet production, predominantly reside in the bone marrow, undergoing regulated fragmentation within sinusoid vessels to release platelets into the bloodstream. Inflammatory states and infections have been shown to influence megakaryocyte transcription, potentially affecting platelet functionality. Notably, COVID-19 has been associated with altered platelet transcriptome. In this study, we hypothesized that SARS-CoV-2 infection could impact the transcriptome of bone marrow megakaryocytes, particularly those in direct proximity to the blood. Utilizing spatial transcriptomic analysis and machine learning techniques, we observed that the transcriptome of healthy mouse bone marrow megakaryocytes exhibited minimal alteration based on proximity to sinusoid vessels. Similar findings were observed during peak SARS-CoV-2 viremia, when the disease primarily affected the lungs. Conversely, a significant divergence in the transcriptome of megakaryocytes was observed during systemic inflammation, even when SARS-CoV-2 was no longer detectable in the lungs or bone marrow. Under these conditions, the transcriptional landscape was enriched in genes associated with structural and translational activities, platelet degranulation, netosis, and auto-immunity. Of the approximately ~19,000 genes identified in megakaryocytes during systemic inflammation, machine learning pinpointed 30 genes significantly altered in cells closely adjacent to sinusoid vessels, with gene ontology attributing these changes primarily to protein deSUMOylation. Intriguingly, the type-I interferon signature and calprotectin (S100A8/A9) were not induced under any condition. Inflammatory cytokines were elevated in the blood of COVID-19 mice, but not in bone marrow plasma, suggesting a preferential impact of inflammation on this specific subset of cells. Collectively, our data indicate that distinct subpopulations of bone marrow megakaryocytes may emerge based on spatial localization and the stage of COVID-19 pathogenesis.
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 | 0,000 |
| 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 ».