Decreased progenitor TCF1 + T-cells correlate with COVID-19 disease severity
Notice bibliographique
Résumé
COVID-19, caused by SARS-CoV-2, can lead to a severe inflammatory disease characterized by significant lymphopenia. However, the underlying cause for the depletion of T-cells in COVID-19 patients remains incompletely understood. In this study, we assessed the presence of different T-cell subsets in the progression of COVID-19 from mild to severe disease, with a focus on TCF1 expressing progenitor T-cells that are needed to replenish peripheral T-cells during infection. Our results showed a preferential decline in TCF1+ progenitor CD4 and CD8+ T-cells with disease severity. This decline was seen in various TCF1+ subsets including naive, memory and effector-memory cells, and surprisingly, was accompanied by a loss in cell division as seen by a marked decline in Ki67 expression. In addition, TCF1+ T-cells showed a reduction in pro-survival regulator, BcL2, and the appearance of a new population of TCF1 negative caspase-3 expressing cells in peripheral blood from patients with severe disease. The decline in TCF1+ T-cells was also seen in a subgroup of severe patients with vitamin D deficiency. Lastly, we found that sera from severe patients inhibited TCF1 transcription ex vivo which was attenuated by a blocking antibody against the cytokine, interleukin-12 (IL12). Collectively, our findings underscore the potential significance of TCF1+ progenitor T-cells in accounting for the loss of immunity in severe COVID-19 and outline an array of markers that could be used to identify disease progression.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».