In depth characterisation of the proteome of MIS-C and post COVID-19 infection in children reveals inflammatory pathway activation and evidence of tissue damage
Notice bibliographique
Résumé
BACKGROUND: Multisystem inflammatory syndrome in children (MIS-C) is a rare but severe complication that arises between two and six weeks after initial SARS-CoV-2 infection. The mechanisms underlying why only a subset of children develop this hyperinflammatory response remain unclear. METHODS: We performed an in-depth proteomic analysis of plasma samples from children before and after SARS-CoV-2 infection, including those who developed MIS-C. Proteomic profiling was conducted using high-throughput technologies, and findings were validated using publicly available datasets. RESULTS: Healthy children showed minimal changes in the circulating proteome following SARS-CoV-2 infection, with no evidence of ongoing inflammation. In contrast, children with MIS-C exhibited significant activation of pro-inflammatory pathways and elevated circulating markers of myocardial and vascular injury. CONCLUSIONS: Our data suggest that SARS-CoV-2 infection alone does not cause sustained proteomic alterations in most children. However, MIS-C is associated with a distinct inflammatory and vascular injury signature. Several candidate diagnostic biomarkers for MIS-C were identified and validated in silico, offering promising avenues for future diagnostic and therapeutic strategies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».