MétaCan
Menu
Retour à la cohorte
Enregistrement W4406883594 · doi:10.1002/jcsm.13705

Characterization of SARS‐CoV‐2 Entry Genes in Skeletal Muscle and Impacts of In Vitro Versus In Vivo Infection

2025· article· en· W4406883594 sur OpenAlexafffund
Salyan Bhattarai, Eva Kaufmann, Feng‐Xia Liang, Yumin Zheng, Ekaterina Gusev, Qutayba Hamid, Jun Ding, Maziar Divangahi, Basil J. Petrof

Notice bibliographique

RevueJournal of Cachexia Sarcopenia and Muscle · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensQueen's UniversityMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSkeletal muscleMyogenesisAtrophyMuscle atrophyIn vivoBiologyPathologyIn silicoFurinMedicineProteasesCell biologyVirologyGeneAnatomyEnzymeGeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 has been associated with both respiratory (diaphragm) and non-respiratory (limb) muscle atrophy. It is unclear if SARS-CoV-2 infection of skeletal muscle plays a role in these changes. This study sought to: 1) determine if cells comprising skeletal muscle tissue, particularly myofibres, express the molecular components required for SARS-CoV-2 infection; 2) assess the capacity for direct SARS-CoV-2 infection and its impact on atrophy pathway genes in myogenic cells; and 3) in an animal model of COVID-19, examine the relationship between viral infection of skeletal muscle and myofibre atrophy within the diaphragm and limb muscles. METHODS: We used in silico bioinformatics analysis of published human single cell RNA-seq datasets, as well as direct qPCR examination of human myotubes and diaphragm biopsies, to assess expression of key genes involved in SARS-CoV-2 cellular entry. In Vitro, we determined the ability of SARS-CoV-2 to directly infect myogenic cells and employed qPCR to assess the impact on muscle atrophy pathway genes (ubiquitin-proteasome, autophagy). In vivo, the diaphragm and quadriceps of Roborovski hamsters with SARS-CoV-2 respiratory infection were examined at day 3 post-inoculation to evaluate the relationship between atrophy pathway and SARS-CoV-2 transcripts by qPCR, as well as histological measurements of myofibre morphology. RESULTS: Angiotensin converting enzyme 2 (ACE2), the primary receptor for SARS-CoV-2, as well as cooperating proteases (furin, cathepsins B and L), are expressed by myofibres. ACE2 expression was increased 5-fold (p = 0.01) in the diaphragms of mechanically ventilated human subjects compared to controls. In Vitro, a time-dependent increase of SARS-CoV-2 transcript levels was observed in myotubes directly exposed to the virus (p = 0.002). This was associated with downregulation of the ubiquitin ligase MuRF1 (by 64%, p = 0.002) and the autophagy gene LC3B (by 31%, p = 0.009). In contrast, in vivo infection led to upregulation of MuRF1 in quadriceps (23-fold, p = 0.0007) and autophagy genes in both quadriceps (5.2-fold for Gabarapl1, p = 0.03; 7-fold for p62, p = 0.0002) and diaphragm (2.2-fold for Gabarapl1, p = 0.03; 2.3-fold for p62, p = 0.057). In infected hamsters the diaphragm lacked viral transcripts but exhibited atrophy (48% decrease in myofibre area; p = 0.02), whereas the quadriceps lacked myofibre atrophy despite elevated viral transcripts in the muscle. CONCLUSIONS: Although myogenic cells express the genes required for SARS-CoV-2 entry and can be directly infected, there was no evident relationship between viral transcript levels and manifestations of atrophy, either in vitro or in vivo. Our results do not support direct myofibre infection by SARS-CoV-2 as a likely cause of atrophy in 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,340

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,268
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cachexia Sarcopenia and MuscleMême sujetMuscle Physiology and DisordersTravaux en français237 207