SARS-CoV-2 infection modifies the transcriptome of the megakaryocytes in the bone marrow
Notice bibliographique
Résumé
ABSTRACT: Megakaryocytes (MKs), integral to platelet production, predominantly reside in the bone marrow (BM) and undergo regulated fragmentation within sinusoid vessels to release platelets into the bloodstream. Inflammatory states and infections influence MK transcription, potentially affecting platelet functionality. Notably, COVID-19 has been associated with altered platelet transcriptomes. In this study, we investigated the hypothesis that severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection could affect the transcriptome of BM MKs. Using spatial transcriptomics to discriminate subpopulations of MKs based on proximity to BM sinusoids, we identified ∼19 000 genes in MKs. Machine learning techniques revealed that the transcriptome of healthy murine BM MKs exhibited minimal differences based on proximity to sinusoid vessels. Furthermore, at peak SARS-CoV-2 viremia, when the disease primarily affected the lungs, MKs were not significantly different from those from healthy mice. Conversely, a significant divergence in the MK transcriptome was observed during systemic inflammation, although SARS-CoV-2 RNA was never detected in the BM, and it was no longer detectable in the lungs. Under these conditions, the MK transcriptional landscape was enriched in pathways associated with histone modifications, MK differentiation, NETosis, and autoimmunity, which could not be explained by cell proximity to sinusoid vessels. Notably, the type I interferon signature and calprotectin (S100A8/A9) were not induced in MKs under any condition. However, inflammatory cytokines induced in the blood and lungs of COVID-19 mice were different from those found in the BM, suggesting a discriminating impact of inflammation on this specific subset of cells. Collectively, our data indicate that a new population of BM MKs may emerge through COVID-19-related 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 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 | 0,000 | 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) | 0,000 | 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 ».