Proteomics validate circulating GDF-15 as an independent biomarker for COVID-19 severity
Notice bibliographique
Résumé
Introduction: Growth differentiation factor 15 (GDF-15) was originally described as a stress-induced cytokine, and a biomarker of aging and cardiovascular diseases. We hypothesized that circulating GDF-15 would be associated with COVID-19 disease severity. Herein, we explored this hypothesis in a large cohort of COVID-19 patients. Methods: Blood samples were collected from 926 COVID-19 adult patients and from 285 hospitalized controls from the Biobanque Québécoise de la COVID-19 (BQC19). COVID-19 severity was graded according to the WHO criteria. SOMAscan proteomics assay was performed on 50µL of plasma. ELISA were performed on 46 selected participants with left-over plasma to validate differences in plasma GDF-15 levels. Statistical analyses were conducted using GraphPad Prism 9.0 and SPSS. P values < 0.01 were considered significant. Results: Proteomics showed that plasma GDF-15 levels were higher in COVID-19 patients compared to hospitalized controls. GDF-15 levels increased with COVID-19 severity. COVID-19 patients presenting with comorbidities including diabetes, cancer, chronic obstructive pulmonary disease (COPD) and cardiovascular disease had higher GDF-15 levels. ELISA revealed significant elevation of GDF-15 until 30 days after hospitalization. Plasma GDF-15 elevation was correlated with older age. Moreover, GDF-15 levels correlated with pro-inflammatory cytokine interleukin-6 (IL-6) and inflammation marker C-reactive protein (CRP) as well as soluble levels of its putative receptor CD48. No association was established between anti-SARS-CoV-2 IgG levels and plasma GDF-15 levels. Conclusions: This study confirms GDF-15 as a biomarker for COVID-19 severity. Clinical evaluation of GDF-15 levels could assist identification of persons at high-risk of progressing to severe disease, thus improving patient care.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».