Single-cell proteomic analysis of peripheral blood mononuclear cells in patients with pulmonary long COVID
Notice bibliographique
Résumé
Abstract An estimated 15% of patients are expected to continue to exhibit respiratory symptoms after their SARS-CoV-2 infection. The mechanisms behind these symptoms remain unknown. We recruited twenty-three patients (65% female) who were on average 406 ± 251 days post-COVID-19. The cohort consists of primarily mild (non-hospitalized) patients (87%), with an average age of 43 ± 15 years. Nine of these patients had self-reported dyspnea, which we defined as pulmonary long COVID (PLC). The remaining 14 patients recovered without persistent dyspnea. We performed a 38-panel cytometry by time-of-flight on the peripheral blood mononuclear cells of this cohort. Quality control was performed using FloJo. Further analysis, was done using the CyCombine, CATALYST, and FlowSom packages in R. Our final annotation uncovered 17 different cell clusters. In PLC patients, double-positive T-cells (DPTs) were significantly increased (Wilcoxon p<0.05), indicating that T-cell development or differentiation may be altered in these patients. Though DPTs are known to be increased in females, there was no significant difference in the proportion of DPTs between males and females in our cohort. PLC stem cells had increased expression of CD304 and CD200R (Wilcoxon p<0.05). CD304 is as a co-receptor for SARS-CoV-2, while CD200R is a limiter of pro-inflammatory activity. These findings indicate that the immune landscape in PLC patients is altered, compared to those who recover without residual pulmonary symptoms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».