Organic Dust Exposure Enhances SARS-CoV-2 Entry in a PKCα- and ADAM-17-Dependent Manner
Notice bibliographique
Résumé
SARS-CoV-2, the causative agent of the COVID-19 pandemic, has had a global impact, affecting millions over the last three years. Pre-existing lung diseases adversely affect the prognosis of infected COVID-19 patients, and agricultural workers routinely exposed to inhalable organic dusts have substantial increased risk for developing chronic lung diseases. In previous studies, we characterized the protein kinase C (PKC)-dependent airway inflammation mediated by organic dust extract (ODE) derived from dust collected from swine confinement facilities in in vitro and in vivo models. Here, we studied the effect of ODE on SARS-CoV-2 pseudoviral infection in mice and human bronchial epithelial cells (BEAS-2B). In wild-type (WT) and transgenic mice expressing the human angiotensin I-converting enzyme 2 (ACE2) receptor (SARS-CoV-2 entry receptor), ODE increased ACE2 shedding by ADAM-17 in the lungs. After repeated ODE treatments, the increased soluble ACE2 correlated to higher pseudovirus titer in the mouse lungs. In the human bronchial epithelial cells, ODE augmented PKCα activity in WT cells, and membrane ACE2 expression was diminished in PKCα-dominant negative cells. Unlike in the mice, increasing membrane ACE2 levels by treating with PKCα or ADAM-17 inhibitors and a low dose of ODE enhanced pseudoviral entry in vitro. Following viral entry, IL-8 secretion by the cells was diminished in a PKCα- and ADAM- 17-independent manner. Together, the complex mechanisms involved in the synergistic effects of agricultural dust and SARS-CoV-2 highlight the importance of studying dust-mediated changes to immunity against circulating pathogens.
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 | 0,003 |
| 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) | 0,001 | 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 ».