An amyloidogenic fragment of the SARS CoV-2 envelope protein promotes serum amyloid A misfolding and fibrillization
Notice bibliographique
Résumé
ABSTRACT SARS CoV-2 infection can affect a surprising number of organs in the body and cause symptoms such as abnormal blood coagulation, fibrinolytic disturbances, and neurodegeneration. Our study delves into the intricate pathogenic potential of a SARS-CoV-2 envelope protein peptide, shedding light on its implications for multi-organ effects and amyloid formation. Specifically, we focus on the peptide SK9 or 54 SFYVYSRVK 62 derived from the C-terminus of human SARS coronavirus 2 envelope protein. We demonstrate that SK9 containing peptides readily form classic amyloid structures consistent with predictions of amyloid aggregation algorithms. In vivo , overexpression of proteases such as neutrophil elastase during inflammation can potentially lead to C-terminal peptides containing SK9. We also demonstrate that SK9 can promote the fibrillization of SAA, a protein marker of acute inflammation. Our investigations reveal that the aromatic residues Phe2 and Tyr3 of SK9 play a pivotal role in its amyloidogenic function. We show that the primary sites of SK9-SAA binding lie in the amyloidogenic hotspots of SAA itself. Our results highlight two possible complications of SARS CoV-2 infection in individuals with hyper-inflammation either due to amyloids arising from SK9 containing peptides or SK9-induced AA amyloidosis.
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) | 0,002 | 0,001 |
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 ».