Single-cell RNA sequencing of small airways of young persons who use e-cigarettes
Notice bibliographique
Résumé
<bold>BACKGROUND:</bold> Marketed as safer than smoking, electronic cigarettes (EC) raise global health concerns. We used single-cell RNA sequencing (scRNA-seq) to investigate the impact of the small airway epithelium. Hypothesizing EC alters its cellular composition. <bold>METHODS:</bold> Adults (≥18yrs) who were THC/nicotine EC users (n=9) or nonsmoking controls (n=8) underwent bronchoscopy. Bronchial brushings were analyzed with scRNA-seq (10x Chromium, Illumina® NextSeq 2000). Processing includes Cell Ranger, ambient RNA removal (SoupX), quality control (Scanpy), and downstream analysis (clustering and cell annotation). The cellular proportions (scCODA) correlated with ventilation abnormalities measured by 129Xe magnetic resonance imaging (MRI) using Spearman’s correlations. <bold>RESULTS:</bold> Groups were similar in age [EC 35yrs, control 44yrs] and sex, with normal lung function [FEV1: EC 106%, Control 117%; DLCO: EC 28%, Control 25%]. EC group vaped primarily nicotine (66.67%) for 5-7 days/week, inhaled an average of ~ 27 puffs/day. Analysis of 56,485 cells identified 15 epithelial and 17 immune cell clusters. Compared to controls, EC users had a higher proportion of CD8<sup>+</sup>γδT cells (49.1% vs 30.1%), neutrophils (0.36% vs 0.02%), goblet cells (16.5 vs 4.8%), and ionocytes (1.6% vs 0.3%), but lower CD4<sup>+</sup>γδT (8.6% vs 27.6%) and basal (11% vs 21%). Gene set enrichment analysis (GSEA) revealed immune activation via interferon-gamma and neutrophil signaling. Additionally,<sup>129</sup>XeMRI showed greater low-ventilation areas in EC, correlated with increased CD8<sup>+</sup>γδT cells. <bold>CONCLUSION:</bold> EC use is linked with immune alterations, and ventilation defects in the small airways, highlighting the potential harm of EC in the small airways of young persons
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».