Levels of Angiotensin and Kinin Metabolite Peptides Related to COVID-19 Severity
Notice bibliographique
Résumé
In addition to crucial roles in normal human biology, peptide metabolites of the renin-angiotensin (RAS) and kallikrein-kinin systems (KKS) have been reported to be altered in COVID-19 patients. Here, we evaluate new data on RAS and KKS peptides in COVID-19 patient serum obtained from a recently developed, fully validated, and optimized stable isotope labeling LC-MS peptide assay. We found that the RAS peptides angiotensin (ANG) 1, 2, 1-5, and 1-7 were downregulated compared to COVID-free surrogate controls, while the KKS peptides Brad, Brad 1-8, and Brad 1-7 were upregulated. This paper focuses on uncovering the possible diagnostic value of these peptides using receiver operating characteristic (ROC) analyses of these data. ROC plots confirmed that all of the analyte peptides in 80 serum samples from COVID-19 patients were significantly altered from "normal" values of the control samples. The best diagnostic sensitivities and selectivities for COVID vs no COVID were found in ROC plots for Brad and Brad 1-7 (both 99% sensitivity, 100% selectivity). We then analyzed levels of all the peptides grouped according to preassigned values of the World Health Organization (WHO) COVID-19 Severity Index. ROC plots differentiated patients with a high WHO severity index from those with a low WHO severity index with moderate success, with BRAD (73% sensitivity, 79% selectivity) and Ang 1-7 (75% sensitivity, 65% selectivity) giving the best diagnostic performance. Results suggest the possible diagnostic value of these peptides as biomarkers to help identify moderate and serious COVID-19 cases at relatively early stages.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».