Emergence of dysfunctional neutrophils with a defect in arginase-1 release in severe COVID-19
Notice bibliographique
Résumé
Neutrophilia occurs in patients infected with SARS-CoV-2 (COVID-19) and is predictive of poor outcomes. Here, we link heterogenous neutrophil populations to disease severity in COVID-19. We identified neutrophils with features of cellular aging and immunosuppressive capacity in mild COVID-19 and features of neutrophil immaturity and activation in severe disease. The low-density neutrophil (LDN) number in circulating blood correlated with COVID-19 severity. Many of the divergent neutrophil phenotypes in COVID-19 were overrepresented in the LDN fraction and were less detectable in normal-density neutrophils. Functionally, neutrophils from patients with severe COVID-19 displayed defects in neutrophil extracellular trap formation and reactive oxygen species production. Soluble factors secreted by neutrophils from these patients inhibited T cell proliferation. Neutrophils from patients with severe COVID-19 had increased expression of arginase-1 protein, a feature that was retained in convalescent patients. Despite this increase in intracellular expression, there was a reduction in arginase-1 release by neutrophils into serum and culture supernatants. Furthermore, neutrophil-mediated T cell suppression was independent of arginase-1. Our results indicate the presence of dysfunctional, activated, and immature neutrophils in severe COVID-19.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».