Multi-omics landscapes reveal heterogeneity in long COVID patients characterized with enhanced neutrophil activity
Notice bibliographique
Résumé
BACKGROUND: Omicron variant impacts populations with its rapid contagiousness, and part of patients suffered from persistent symptoms termed as long COVID. The molecular and immune mechanisms of this currently dominant global variant leading to long COVID remain unclear, due to long COVID heterogeneity across populations. METHODS: We recruited 66 participants in total, 22 out of 66 were healthy control without COVID-19 infection history, and 22 complaining about long COVID symptoms 6 months after first infection of Omicron, referred as long COVID (LC) Group. The left ones were defined as non-long COVID (NLC) Group. We profiled them via plasma neutralizing antibody titer, SARS-CoV-2 viral load, transcriptomic and proteomics screening, and machine learning. RESULTS: No serum residual SARS-CoV-2 was observed in the participants 6 months post COVID-19 infection. No significant difference in neutralizing antibody titers was found between the long COVID (LC) Group and the non-long COVID (NLC) Group. Transcriptomic and proteomic profiling allow the stratification of long COVID into neutrophil function upregulated (NU-LC) and downregulated types (ND-LC). The NU-LC, identifiable through a refined set of 5 blood gene markers (ABCA13, CEACAM6, CRISP3, CTSG and BPI), displays evidence of relatively higher neutrophil counts and function of degranulation than the ND-LC at 6 months after infection, while recovered at 12 months post COVID-19. CONCLUSION: The transcriptomic and proteomic profiling revealed heterogeneity among long COVID patients. We discovered a subgroup of long COVID population characterized by neutrophil activation, which might associate with the development of psychiatric symptoms and indicate a higher inflammatory state. Meanwhile, a cluster of 5 genes was manually curated as the most potent discriminators of NU-LC from long COVID population. This study can serve as a foundational exploration of the heterogeneity in the pathogenesis of long COVID and assist in therapeutic targeting and detailed epidemiological investigation of long COVID.
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) | 0,001 | 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 | 0,001 |
| 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 ».