Distinct circulating autoantibodies are associated with COVID-19 hospitalization and SARS-CoV-2 neutralization activity
Notice bibliographique
Résumé
SARS-CoV-2 infection disrupts the host's immune system, altering autoimmune responses. This study investigated host autoreactivities in SARS-CoV-2 infections, their association with severe COVID-19, and the neutralizing antibody response. Circulating autoantibodies were detected in convalescent serum samples from unvaccinated SARS-CoV-2-infected patients. Clustering, correlation analysis, principal component analysis, and neural network modeling were used to explore the relationship between autoantibodies, hospitalization, and SARS-CoV-2 neutralization. The presence of one autoantibody correlated with the detection of multiple others. Anti-IFNα antibodies were associated with elevated levels of anti-ENAs (extractable-nuclear antigen) but not with clinical outcome. COVID-19 hospitalization was significantly associated with the collective expression of autoantibodies targeting three ENAs: SSA/Ro52, Jo-1, and RNP. In contrast, autoantibodies targeting RNP/Sm, PCNA, Scl-70, and PL-12 were strongly associated with SARS-CoV-2 neutralization. In summary, this study has identified self-antigens targeted in hospitalized COVID-19 patients and highlights a novel association between the autoantibody response and the antiviral humoral response.
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) | 0,000 | 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) | 0,001 | 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 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 ».