MétaCan
Menu
Retour à la cohorte
Enregistrement W4407316154 · doi:10.1371/journal.pone.0309880

Bronchoalveolar lavage single-cell transcriptomics reveals immune dysregulations driving COVID-19 severity

2025· article· en· W4407316154 sur OpenAlexafffund
Clinton Njinju Asaba, Razieh Bitazar, Patrick Labonté, Terence N. Bukong

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesInstitut national de la recherche scientifique
Mots-clésBronchoalveolar lavageImmunologyInflammationImmune systemPhagocytosisEfferocytosisBiologyDownregulation and upregulationCD80TLR2Interleukin 8Innate immune systemMacrophageMedicineCD40Cytotoxic T cellLungInternal medicine

Résumé

récupéré en direct d'OpenAlex

The continuous threats posed by Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2), the virus that causes COVID-19, including the emergence of potentially more infectious and deadly variants, necessitate ongoing studies to uncover novel and detailed mechanisms driving disease severity. Using single-cell transcriptomics, we conducted a secondary data analysis of bronchoalveolar lavage fluid (BALF) from COVID-19 patients of varying severities and healthy controls to comprehensively examine immune responses. We observed significant immune cell alterations correlating with disease severity. In severe cases, macrophages showed upregulation of pro-inflammatory genes TNFα and IL1β, contributing to severe inflammation and tissue damage. Neutrophils exhibited increased activation, marked by S100A8, CXCL8, and IL1β expression, with extended viability and reduced phagocytosis. Genes such as MCL1 and HIF1α supported extended viability, while MSR1 and MRC1 indicated reduced phagocytosis. Enhanced formation of neutrophil extracellular traps (NETs) and reduced clearance, indicated by NET-associated markers, were linked to thrombo-inflammation and organ damage. Both macrophages and neutrophils in severe cases showed impaired efferocytosis, indicated by decreased expression of MSR1 and TREM2 in macrophages and downregulation of FCGR3B in neutrophils, leading to the accumulation of apoptotic cells and exacerbating inflammation. Severe cases were characterized by M1 macrophages with high TNFα and IL1β, while milder cases had M2 macrophages with elevated PPARγ. Dendritic cells (DCs) in severe cases exhibited reduced proportions and attenuated expression of MHC class I genes (HLA-A, HLA-B, HLA-C) and co-stimulatory molecules (CD80, CD86), alongside increased cytochrome c expression, indicating impaired antigen presentation and enhanced apoptosis. NK and T cells in severe cases demonstrated altered receptor and gene expression, with increased activation markers IFNγ and ISG15, suggesting a paradoxical state of activation and exhaustion. This analysis highlights the critical role of dysregulated neutrophil, macrophage, dendritic cell, NK, and T cell responses in severe COVID-19, identifying potential therapeutic targets and providing novel insights into the disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,363
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207