免费医学论文-细胞类型特异性感染性和组织组成对人气道上皮内SARS-CoV-2感染动力学的影响

抽象

人气道上皮 （HAE） 是 SARS-CoV-2 病毒感染的主要部位。由不同的细胞群组成，许多研究旨在破译决定疾病进展和严重程度的主要细胞类型和感染动态。然而，细胞类型特异性复制动力学以及呼吸道上皮细胞组成对感染和病理的贡献仍未完全了解。尽管实验进展，包括重建假分层HAE的气液界面（ALI）培养物以及肺类器官系统，允许在生理条件下以前所未有的详细程度观察感染动力学，但解开和量化单个过程和细胞对这些动力学的贡献仍然具有挑战性。在这里，我们介绍了如何使用实验数据和数学建模的组合来推断和解决细胞类型特异性感染性和组织组成对SARS-CoV-2感染动力学的影响。使用逐步方法，整合有关组织分化和感染动力学的 HAE 培养系统的各种实验数据，我们开发了一种基于单个细胞的模型，可以研究伪分层 HAE 内的感染和再生动力学。此外，我们提出了一种基于与跨上皮电阻测量的标准测量相关的图像数据量化组织完整性的新方法。我们的分析提供了定量评估细胞类型特异性感染动力学的第一个目标，并显示了组织组成和再生能力的变化（例如吸烟者）如何影响疾病进展和病理学。此外，我们确定了仍需要评估的关键测量值，以改善对细胞类型特异性感染动力学和疾病进展的推断。我们的方法提供了一种方法，结合其他实验数据，可用于解开人类气道上皮培养系统中病毒感染和免疫的复杂动力学。

作者摘要

人气道上皮细胞是在感染期间最早与SARS-CoV-2接触的细胞之一。重建上皮的不同细胞类型在多大程度上有助于感染动力学并影响组织病理学和再生，目前仍未完全了解。虽然先进的实验系统，例如重建的人气道上皮的气液界面（ALI）培养物，允许在生理相关条件下对感染动力学进行详细的实验研究，但解开各种细胞内和细胞间过程对感染进展和疾病严重程度的贡献仍然很复杂。在这里，我们将ALI培养物中SARS-CoV-2感染的实验数据与基于假分层上皮的详细个体细胞模型相结合，以揭示和量化细胞类型特异性感染动力学对疾病进展和组织完整性的作用。我们可以展示组织组成和改变的细胞分化动力学如何影响气道上皮的再生能力，从而影响疾病的严重程度。我们强调了仍需要确定的关键过程，以便可靠地评估SARS-CoV-2感染期间细胞分化，感染和病理之间的相互作用，并提供一种定量评估组织内感染动力学的方法。

数字

Table 3图1表1图2Table 2Fig 3Fig 4Table 3图1表1图2

引文： Raach B， Bundgaard N， Haase MJ， Starru? J， Sotillo R， Stanifer ML， et al. （2023） 细胞类型特异性感染性和组织组成对人气道上皮内 SARS-CoV-2 感染动力学的影响。公共科学图书馆计算生物学19（8）： e1011356. https://doi.org/10.1371/journal.pcbi.1011356

编辑 器： James R. Faeder，匹兹堡大学，美国

收到： 23月 2023， 13;接受： 七月 2023， 11;发表： 2023月 <>， <>

版权： ? 2023 拉奇等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。

数据可用性： 所有数据均在手稿及其支持信息中提供，代码在 https://github.com/GrawLab/SARS-ALIculture 提供。

资金： 这项工作得到了德国联邦教育和研究部（BMBF）的支持，通过向FG，MLS和RS提供01KI20239A-C的拨款，以及第031L0293A（FG）号的拨款。FG还得到了Chica和Heinz Schaller基金会的支持。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有任何作用。

竞争利益： 提交人声明不存在相互竞争的利益。

介绍

破译新型SARS-CoV-2冠状病毒的主要靶细胞和病毒复制动力学是了解患者感染动力学和疾病进展的重要先决条件。人气道上皮（HAE）主要通过呼吸道途径传播，是SARS-CoV-2病毒感染的主要部位[1，2]。一旦吸入并进入呼吸系统，病毒颗粒就会感染气道上皮细胞并释放新的后代病毒，将这种感染传播到整个组织。

HAE由形成假分层上皮的不同细胞类型组成，每种细胞类型都有助于组织的功能[3，4]： 位于基底膜附近的基底细胞代表组织的干细胞样群体，其增殖并分化为其他细胞类型，使组织在受伤时能够再生[3，5]. 分泌细胞，如俱乐部细胞和杯状细胞，通过吞噬吸入的颗粒和微生物来分泌粘液，有助于上皮保护。然后由纤毛细胞介导这些颗粒的去除，纤毛细胞是 HAE 的第三种主要细胞类型。这些细胞表面含有许多纤毛，这些纤毛有节奏地跳动，使粘液协调地运出呼吸道[6]。

人气道上皮细胞排列在呼吸系统的所有部分，包括上呼吸道的鼻腔和喉咙，以及下呼吸道的气管、支气管和细支气管。这些部分中的每一个在各自上皮内不同细胞类型的特定组成上都不同。纤毛细胞是占细胞群的主要细胞群，占细胞的50%-70%[7]，而分泌细胞和基底细胞分别占细胞的11-36%和6-31%[3，8-10]。因此，实际频率取决于呼吸树内的定位[7]。

自SARS-CoV-2大流行开始以来，在破译决定组织内感染动力学和疾病进展的细胞和分子细节方面已经付出了很多努力。人气道上皮的气液界面培养物是研究生理学条件下SARS-CoV-2感染动力学的重要工具[1，11-15]。通过提供从HAE细胞生长的假分层上皮，这些培养物允许在操纵条件下以各种细节水平检查感染动力学。然而，鉴于所涉及的各种分子和细胞过程的复杂性以及可用的实验测量，解开细胞类型和组织组成对感染的贡献以及量化细胞类型特异性感染动力学通常很困难。

在这项研究中，我们提出了一种方法，将 HAE 培养系统中 SARS-CoV-2 感染的实验数据与数学模型相结合，以量化细胞类型特异性感染性并确定疾病病理学和组织再生动力学之间的相互作用。为此，我们开发了一个基于单个细胞的模型，该模型提供了伪分层HAE培养系统的详细表示，考虑了单个细胞类型及其相互作用。该模型基于细胞Potts建模框架[16]，与之前模拟病毒感染甚至SARS-CoV-2在组织内传播的方法相比，明确考虑了分层组织结构以及靶细胞异质性和动力学[17-19]。通过使用不同的已发表的实验测量来参数化细胞分化，感染动力学和细胞周转的各个过程，以及开发一种基于图像数据量化组织完整性的方法，我们可以研究单个细胞类型对感染动力学和组织病理学的作用。有了这个，我们能够显示上皮组成和再生能力的差异，如在鼻腔或吸烟暴露组织中观察到的那样，如何影响感染和组织病理学。

结果

模拟人气道上皮气液界面培养物中的细胞更新

为了确定和评估细胞类型特异性感染如何影响 HAE 培养物中的 SARS-CoV-2 感染，我们开发了一个数学模型来描述 HAE 培养系统中的细胞更新和组织分化（图 1A）。该模型区分了在人气道上皮中观察到的三种主要细胞类型，包括基底（B），分泌（S）和纤毛（C）细胞。基底细胞以α取决于系统中总细胞密度（N = B + S + C）的速度持续增殖。它们遵循线性分化途径进入分泌细胞，随后以λs和 λc，分别[20]，每种细胞类型经历细胞类型特异性死亡率δx (图1B，材料和方法）。通过将我们的模型拟合到支气管上皮组织ALI培养物细胞分化的实验数据[21]，我们估计了细胞更新和分化的速率，假设系统在接种后约~45天达到汇合（图1C和表1）。鉴于模型和可用数据的复杂性，多个参数组合能够解释观察到的动态，其依赖性阻止了单个参数的可识别性（S1图）。尽管如此，我们一致估计基底细胞的半衰期比纤毛细胞和分泌细胞长，后者的寿命比其他两种细胞类型短~3（纤毛）至~6（基底）倍（t1/2字节= 49.9 天与 t1/2秒= 8.4 天与 t1/2摄氏度= 24.2 天）。分泌细胞在所考虑的细胞类型中半衰期最短的观察结果与体内观察结果一致[20]。根据我们最好的参数化，汇合处的支气管上皮组织以纤毛细胞为主，正如通常观察到的那样[21]，占细胞的~46.9%[19.9%，60.6%]，其次是基底细胞（39.7%[28.4%，60.2%]）和分泌细胞（13.4%[9.4%，22.0%]）（方括号中的数字表示90%预测区间）。

缩略图 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

图1. 人气道上皮ALI培养系统中的细胞分化动力学。

(A）人气道上皮培养系统示意图。（B）描述人气道上皮细胞培养物的细胞分化和周转的数学模型示意图，用于区分基底（B），分泌（S）和纤毛（C）细胞。有关详细信息，请参阅材料和方法。（C）支气管上皮ALI培养分化过程中每种细胞类型的相对比例。实验数据与[21]（点/胡须）的平均值和标准偏差，以及将（B）所示模型拟合到这些数据时获得的预测动力学。显示了每种细胞类型的最佳拟合（实线）和90%预测区间（基底绿色，分泌蓝色，纤毛橙色）。（D）ALI培养系统在分化过程中不同时间点模拟假分层上皮的细胞Potts模型。基底细胞（绿色）被分泌细胞（蓝色）和纤毛细胞（橙色）“过度生长”。为了图形清晰起见，模拟了减少的细胞培养系统，总共只有~1265个细胞，其中N.max= 4085 个单元格。使用最佳参数化（表10）的n = 1次个体模拟的平均值和范围用数字表示接种后第80天左右每种细胞类型的平均频率（基础：40.3%[39.3%，42.5%]，分泌：13.6%[12.7%，14.8%]，纤毛：46.1%[44.3%，47.8%]（10次模拟的平均[最小-最大值]）（另见 https://github.com/GrawLab/SARS-ALIculture 的Movie1）。

https://doi.org/10.1371/journal.pcbi.1011356.g001

缩略图 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

表 1. 支气管上皮ALI培养系统的发育和分化的参数估计。

通过将上皮分化动力学模型（方程（1）和（2），图1B）拟合到未经处理的ALI培养物的数据中来估计参数[21]。值表示使用近似贝叶斯计算方法（pyABC，[90]）的估计值的最佳估计值和23%可信区间（CrI）（另见S1图）。

https://doi.org/10.1371/journal.pcbi.1011356.t001

使用上面获得的参数化，我们开发了一个基于单个细胞的模型来解释上皮再生和细胞分化的时空动态。该模型基于细胞Potts建模（CPM）框架[22]，该框架使我们能够通过考虑细胞的极化取向（即上皮的基底和顶端侧）以及随着细胞密度增加而改变的单个细胞的形态，在局部水平上模拟细胞间和细胞内动力学（图1D).我们的模型能够模拟假分层上皮的发展，基底细胞被分泌细胞和纤毛细胞缓慢生长，这些分泌细胞和纤毛细胞将主导培养物的顶端侧（图1D，另见 https://github.com/GrawLab/SARS-ALIculture 的Movie1）。因此，我们开发了一个模型系统，使我们能够在单细胞水平上模拟和分析 HAE 培养物的时空动态。

确定支气管人气道上皮内的细胞类型特异性SARS-CoV-2感染动力学

为了扩展我们用于确定人气道上皮细胞中SARS-CoV-2细胞类型特异性感染动力学的框架，并分析它们对感染进展的影响，我们采用了两步法。第一步，我们扩展了基于细胞群的数学模型（图1B，方程（1）），以另外考虑感染动力学（图2A）。与病毒动力学的标准模型类似[24，25]，我们区分了未感染（X）和感染（X我）和感染细胞（XJ).所考虑的每种不同细胞类型（基底细胞，B细胞，分泌细胞，S细胞，纤毛细胞，C）都假定经历细胞类型特定的细胞感染率βx，转为传染性和生产性感染 κx，病毒产生ρx，以及生产性感染细胞的细胞死亡δ九，带有 x∈{B，S，C}。感染与总病毒载量V成比例发生，V以c速率从系统中清除。模型和数学方程在材料和方法中有详细的解释。作为该标准模型的扩展，并根据先前的观察[12，26]，我们考虑了每种所考虑的细胞类型中的一部分对感染变得难治性（图2A）。根据模型的良好混合假设，这解释了培养物内和不同细胞层（基底与分泌/纤毛）内细胞的空间分离，以及保护免受感染的细胞，例如通过先天免疫机制[26]或低纤毛表达[12]。

缩略图 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

图2. 细胞类型特异性感染动力学。

(A） 考虑未感染 （X）、感染 （X ） 的人气道上皮内 SARS-CoV-2 感染病毒动力学模型示意图我）和感染性/生产性感染细胞（XJ） 对于每种不同的细胞类型 X∈{B，S，C}。此外，感染难治性细胞群（XR）考虑每种细胞类型，以考虑空间分离和可能的细胞先天免疫保护（灰色箭头）。（乙-四）通过将（A）所示的模型拟合到通过scRNA-seq分析的支气管上皮ALI培养物的SARS-CoV-2感染数据，测量（点）和预测（线/阴影区域）病毒载量（B），感染细胞类型的相对比例（C）和每种细胞类型的总细胞计数（D）[27]所示。显示了基于上次ABC生成参数估计值的90%可信区间（表3）的最佳估计值（实线）和预测带（阴影区域）的模型预测。（E-G）预测各个组件的长期振荡动力学。（H） 基于单个细胞的模型快照，模拟支气管上皮组织内 SARS-CoV-2 感染动力学，考虑 ~4.7×104细胞总数（另见 Movie2 at https://github.com/GrawLab/SARS-ALIculture）。（一至日）感染细胞的相对比例（I）和病毒载量动力学（J）与10个独立模拟培养物的平均值（实线）和最大范围（阴影区域）。

https://doi.org/10.1371/journal.pcbi.1011356.g002

为了提供对细胞类型特异性感染动力学的首次评估，该模型拟合到Ravindra等人发表的数据[27]，这些数据显示了感染SARS-CoV-2的支气管上皮组织的ALI培养系统的病毒载量和单细胞测序系统的时间分辨测量（图2B-2D）。根据其他研究[12，15]，Ravindra等人[27]发现纤毛细胞代表了大多数感染细胞，其中~26%的细胞在感染后3天被感染。虽然我们的标准模型无法解释实验数据，因为它可以预测感染细胞频率的生长动力学比实验观察到的更快，当旨在匹配病毒载量动力学（未显示）时，考虑难治性细胞群的扩展模型提供了观察到的病毒载量动态（图2B）和被感染细胞的相对比例（图2C）的适当表示).根据纤毛细胞是SARS-CoV2感染的主要靶标的观察结果[1，12，27]，我们的模型预测这种细胞类型将大量快速丢失，感染后~50小时仅剩下~60%的纤毛细胞（图2D）。给定组织再生，该模型将预测长期振荡感染动力学，正如在其他地方观察到的那样[12，15]最终会饱和（图2E-2G）。参数估计显示病毒日食阶段的平均持续时间为~5小时（2.9小时，20.0小时），生产性感染细胞的平均寿命为~12.9小时（6小时，28小时），各个细胞类型之间没有指示性差异（表2）。细胞类型之间最大的差异是在难治细胞的比例f中观察到的，这是由于模型公式造成的。由于难治细胞的比例f不能从病毒传播速率独立解释，β，但后者在细胞类型之间基本相当（表2），与纤毛细胞相比，基底细胞的感染性显着降低。虽然这可能是由于这些细胞类型在假分层上皮内的空间位置不同，但与纤毛细胞相比，难治性分泌细胞的高比例表明细胞在病毒感染性方面存在内在差异，纤毛细胞更容易感染。

thumbnail 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

表 2. 细胞类型特异性感染性的参数估计值。

使用方程（2）和（27）以及图3A所示的模型，根据SARS-CoV-4感染ALI培养的人支气管气道上皮的单细胞RNA测序数据[2]，分析了病毒载量和细胞类型特异性感染的测量。显示了 90 代后最后一代近似贝叶斯计算方法 （pyABC） 中的最佳参数组合和 50% 可信区间 （CrI）（*值来自文献）。根据表1所示的最佳估计对上皮周转动力学进行参数化（另见S2图）。

https://doi.org/10.1371/journal.pcbi.1011356.t002

为了解开空间和细胞内在影响对感染动力学的贡献，我们将病毒过程纳入我们的 HAE 培养系统的空间分辨模型中。从ODE方法获得的参数化开始（表2），我们另外调整了传输动力学，因为这里没有考虑特定的难治性种群，CPM明确考虑了细胞的空间分离（有关适应过程的详细信息，请参阅材料和方法）。此外，与仅将感染传播归因于无细胞病毒的ODE方法相反，CPM在模型模拟中特别考虑了通过直接细胞间传播的感染传播，这已被发现是组织内大约90%感染的原因[28]（另见S2表).我们使用了一种逐步的方法，考虑了不同的模型假设，以测试它们在同时解释组织内SARS-CoV-2感染动力学的不同观察结果方面的适当性，这些观察结果包括对特定细胞类型频率和病毒载量动力学的纵向测量[12，27]（见材料和方法有关详细说明）。作为第一个结果，我们发现细胞的空间分离不足以解释纤毛细胞和分泌细胞以及基底细胞的不同感染动力学。此外，空间明确的模型表明，与分泌细胞和基底细胞相比，纤毛细胞的感染性要高得多，以匹配实验观察结果。此外，为了解释感染细胞比例的早期快速增加[27]，以及后期时间点未完全破坏的组织完整性[12]，需要包括一个限速过程来改善解释动力学，例如代表免疫反应[26]。我们的最佳模型参数化（图2H）专注于细胞类型特异性感染动态（感染后第0-7天），从而合理表示每种细胞类型感染细胞比例的动态（图2I），以及观察到范围内的病毒载量（图2J），略微低估了基底细胞内的动力学以及峰值病毒载量。根据先前的估计，SARS-CoV-2的传播主要依赖于细胞间传播（~90%的感染[28]），我们获得了局部感染传播，结合组织的再生能力，确定振荡动力学（图2H，https://github.com/GrawLab/SARS-ALIculture 时的Movie2，并比较[7]).假设感染传播更多地由无细胞病毒传播主导，我们的模型将预测更高的峰值病毒载量和早期时间点纤毛细胞的更大损失（S12图）。因此，结合来自不同来源的数据，我们的分析提供了支气管上皮ALI培养系统中SARS-CoV-3感染的第一个生理相关空间分辨表示，考虑了不同的细胞类型动力学。

空间效应和组织病理学

决定患者SARS-CoV-2感染严重程度的标志之一是推断的病理介导于肺部气道上皮组织[31]。量化组织病理学并将其与功能丧失相关联，以及评估再生潜力对于预测疾病进展至关重要。在实验组织培养系统中，组织完整性通常由跨上皮电阻（TEER）来量化，TEER由位于培养物顶端和基底侧的电极之间的电阻决定[32]。然而，这些类型的测量无法从损害将组织完整性测量与病理和可能的疾病进展联系起来的能力的患者那里获得。为了克服这个问题，我们开发了一种新方法，使我们能够根据图像数据量化组织完整性（图3A）。该方法分析细胞类型特定的膜连接，并将它们与TEER测量相关联，使我们能够量化由当前组织模式介导的电阻（有关该方法的详细说明，请参阅材料和方法）。使用分化支气管 HAE 培养系统的 TEER 测量 [21] 来参数化细胞类型特异性紧密连接的抗性，我们的模拟培养系统显示 SARS-CoV-2 感染后组织完整性迅速丧失，与第 70 天相比，感染后第 66 天仅保留 75%（范围 4-0%）的 TEER，与实验测量相当（图 3B）[12].完整性在感染后25天内缓慢修复，几乎达到稳态状态，与组织再生过程中单个细胞群的重建相对应（图3C）。然而，推断的再生动力学和振荡似乎比实验观察到的要慢[12]，这表明在急性组织损伤期间细胞增殖和分化动力学发生变化的可能性（图1和表1）。一般来说，我们没有观察到细胞总数与TEER测量的组织完整性之间的直接比例，因为特定的细胞类型及其连通性会影响这些值。

thumbnail 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

图3. 确定组织完整性。

(A） 基于单个细胞紧密连接和空间模式的跨上皮电阻实验测量与图像数据相关的示意图。（B）用于模拟支气管组织（灰点/红线）的TEER动力学与文献中的先前实验测量（蓝线）的比较[12]。数据点表示 10 次独立模拟运行的平均值（点/红色实线）和最小-最大范围（晶须）。（C） 10 次模拟（平均值-实线、范围-阴影区域）中总细胞数和细胞类型特定细胞数的相应动态。在种群规模方面变化很小，使范围几乎不可见。

https://doi.org/10.1371/journal.pcbi.1011356.g003

细胞组成对组织病理和再生动力学的影响

据观察，SARS-CoV-2的复制效果因特定的呼吸组织而异，鼻上皮的允许度最高[33-35]。为了分析组织组成和再生动力学对SARS-CoV-2感染进展的影响，我们还将上皮分化模型（图1A，方程（1））应用于鼻上皮的HAE培养系统[36]，以及在发育过程中暴露于不同浓度香烟烟雾提取物（CSE）的支气管上皮细胞，以确定这些条件下的细胞更新。因此，后一种情况模拟了烟雾暴露导致的上皮重建受损[21，37，38]。

与支气管上皮相比，鼻上皮的特征是纤毛细胞的比例更大，基底细胞在稳态时仅占~18%，而在支气管组织中则占~40%（图4A与图1和S3表相比）[36]。我们的分析表明，这些不同的稳态是由于基底细胞分化为分泌细胞和分泌细胞分化为纤毛细胞的更快速率，据估计，与支气管组织相比，鼻腔的分化率大约高2倍，所有其他参数都是可比的（表1和3以及图4B）。与鼻和健康的支气管上皮相比，吸烟者的气道上皮通常以基底细胞增生为特征[39-41]，纤毛细胞较少（图4A和4B）。这也体现在我们对暴露于香烟烟雾提取物的支气管上皮的分化动力学的估计中，分泌细胞和纤毛细胞的损失率略有增加（表3）。

thumbnail 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

图4. 组织组成和感染动力学。

(A）支气管和鼻气道上皮的组成，包括暴露于不同浓度的香烟烟雾提取物（CSE）的支气管上皮[21]。（B）根据先前的实验数据（平均值/标准偏差=点/晶须）分化特定上皮的ALI培养物期间每种细胞类型的相对比例[21]，模型预测将图1B中显示的再生模型拟合到数据。显示了每种细胞类型的最佳拟合（实线）和90%预测区间（基底绿色，分泌蓝色，纤毛橙色），参数估计值如表3所示。（C） 在不同 ALI 培养条件下，SARS-CoV-2 感染期间感染的特定细胞类型、病毒载量和总细胞数的相对比例的模拟动力学。显示了每个条件的 10 个独立模拟的平均值和范围（最小值-最大值）。（D）特定时间点感染模式的相应快照（另见 https://github.com/GrawLab/SARS-ALIculture 的电影3-5）。（E）以支气管上皮为基线的不同组织条件下病毒载量的相对大小和总细胞群。计算 10 个模拟的均值比率。（F） 针对第 5 天相对于每个 TEER 测量的每个条件，在 10 个（鼻、CSE）和 0 个（支气管）独立模拟中进行 TEER 测量。

https://doi.org/10.1371/journal.pcbi.1011356.g004

thumbnail 下载：

.PPT幻灯片

.PNG大图

.TIFF原始图像

表 3. 针对不同条件的 HAE 系统开发和分化的参数估计：通过将上皮分化动力学模型（方程 （1）–（2），图 1B）拟合到鼻上皮 ALI 培养数据 [36] 和暴露于 2.5% 和 5% 香烟烟雾提取物 （CSE） 的支气管上皮组织的数据来估计参数[21]。

值表示使用近似贝叶斯计算方法（pyABC，[90]）运行23代，每代15个粒子的最佳估计和2000%可信区间（CrI）。

https://doi.org/10.1371/journal.pcbi.1011356.t003

为了确定不同的组织组成如何影响感染动力学，我们使用与支气管上皮相同的感染参数（表2和S2）结合组织特异性再生和分化动力学（表1）模拟了这些条件下的SARS-CoV-3感染。).正如预期的那样，鉴于纤毛细胞的高可用性，鼻上皮内的感染比支气管上皮内的感染更快、更严重，导致感染后第 1 天感染纤毛细胞的比例比支气管上皮高 ~5.5 倍，感染后 80 天纤毛细胞丢失 ~10%（图 4C，比较图2I）。由于组织再生比支气管上皮快~2倍，因此在更长的时间内维持较高的病毒载量水平，支持振荡动力学和感染再生，包括连续组织重建（图4D）。相比之下，暴露于香烟烟雾提取物的支气管上皮不会导致更严重的感染模式，病毒载量下降速度快于未暴露的组织（图4C-4E，比较图2I，2J）。然而，在这些条件下，组织再生部分受损，与未经治疗的支气管组织相比，组织在感染后重建稳态细胞数量的能力降低（图4E）。这在计算的相对跨上皮电阻值的进展中是不可见的，与未处理的支气管组织相比，CSE处理的TEER正常化仅显示略慢的进展速度，而鼻上皮的再生能力更快（图4F）。总之，我们的分析表明组织和细胞类型特异性效应如何影响人气道上皮组织内的SARS-CoV-2感染动力学。

讨论

了解SARS-CoV-2在异质性人气道上皮组织中复制和传播的动力学对于确定患者体内的疾病进展和病理以及制定有效的治疗策略至关重要。气液界面培养提高了我们研究不同条件下SARS-CoV-2感染的分子和细胞方面的能力，但破译各种细胞类型和分子过程的贡献需要能够同时分析各种类型的测量的综合方法。在这里，我们开发了一个计算模型，结合实验数据可用于分析假分层气道上皮内的感染动力学。通过将我们的模型应用于来自不同实验的已发表实验数据，我们提供了对细胞类型特异性感染动力学的首次评估，并解决了不同细胞类型，组织组成和组织分化动力学如何促进感染和病理的问题。

虽然人气道上皮的ALI培养系统经常用于研究呼吸道病毒（综述于[42，43]），但令人惊讶的是，关于这些系统中各种细胞的周转和分化动力学的定量评估的信息很少。所用细胞培养系统的定量数据明显缺乏，严重损害了可靠地参数化细胞周转的能力，从而损害了不同时间点的组织组成。我们的一些估计（例如分泌细胞的周转率（δs， λs），以及基底细胞的最大增殖（α）（表1））与先前对小鼠气管组织上皮分化的估计一致，该估计报告分泌细胞的平均寿命为14（±2）天，基底到分泌细胞分化的速率为~2×10?3h-1 [20]，以及人气道上皮基底细胞的倍增时间为30-35小时[44]。然而，特别是对于纤毛细胞，我们的模型预测损失率比小鼠估计值快约10倍[20，45]。这可以通过同样更快的微分率来补偿，该微分率与给定可用数据的参数推理能力受损有关（S1图）。尽管如此，我们的分析一致表明，在所考虑的细胞类型中，分泌细胞的周转速度最快[20]。细胞系（小鼠/人类）的差异以及实验条件可能还与这些差异有关。一般来说，我们还发现，我们推断的稳态发育的分化动力学太慢，无法解释实验期间观察到的病毒载量和组织完整性的振荡动力学。虽然我们在感染后第25天左右观察到组织重建（图3B），但实验观察显示周期振荡量为12-20天[12，15]。这表明，介导感染期间组织再生增加的其他因素可能发挥作用，需要考虑[7，46]。鉴于了解疾病进展和病理学的重要性，需要对ALI培养分化动力学进行更定量和时间分辨的测量，包括细胞计数，细胞类型特定比例和组织结构图像，以适当地量化人类上皮组织中的细胞更新并了解疾病进展。

由于呼吸道上皮内的每种细胞类型都有助于组织的正常功能，因此确定它们在感染期间的作用对于评估它们对病理的影响非常重要。对于SARS-CoV-2，纤毛细胞已被确定为病毒的主要靶标之一[12，47]。这与ACE2在这些细胞上的高表达有关，ACE2代表了SARS-CoV-48的主要靶受体[49]，以及在鼻上皮中观察到的病毒复制增加[5]，其特征在于这种细胞类型的频率更大。通过对细胞类型特异性感染性进行建模和分析，我们的分析还表明纤毛细胞更容易被感染。虽然病毒日食期持续时间（~2h [9.20h， 0.12h]）和生产性感染细胞寿命（~9.6h [28h， 7h]）的参数估计范围与先前的定量[26，50，52–2]相对应（表2），但与其他细胞类型相比，纤毛细胞难治性细胞的比例较低，表明该细胞类型的感染性更高。需要进一步的数据来清楚地确定这是否主要是由于细胞在组织顶端的位置，由于纤毛促进病毒相遇而导致的细胞表面增加，还是其他分子因素。此外，虽然单个细胞类型感染性的参数估计值的相对比率可能提供信息，但考虑到与个体可识别性相关的不确定性，应谨慎对待个体感染动态的实际参数估计（表1）（S2和S1图），特别是关于细胞更新的动态（表<>）。

就其功能而言，纤毛细胞的缺失被认为在感染和病理学过程中起主要作用[12，47]。Robinot等人[12]报告了在离体和体内模型中SARS-CoV-2感染期间纤毛细胞的去分化和纤毛丢失。纤毛损伤及其功能受损可阻止感染性黏膜的切除，并促进感染扩散至肺部更深部[12]。其他几种呼吸道病毒（包括呼吸道合胞病毒（RSV）[53]、流感[54-56]和鼻病毒[57]）已经报道了纤毛细胞优先靶向及其功能障碍，例如纤毛跳动同步性受损、感染细胞加速脱落或细胞分化受损。].在我们的模型中，除了病毒扩散之外，考虑纤毛对病毒粒子的主动运输，可能有助于研究纤毛丢失对疾病进展和病理的作用，以及它们对病毒复制的重要性[58]。

纤毛细胞的缺失也是慢性阻塞性肺病（COPD）的标志，吸烟是其发展的主要危险因素之一。一旦确诊SARS-CoV-2感染，吸烟也成为严重疾病进展的主要危险因素之一[35，59]，其他研究报告SARS-CoV-2降低了吸烟者的传染性，这些有争议的发现部分被称为吸烟者悖论[60]。虽然吸烟者体内HAE细胞纤毛细胞频率降低可以解释SARS-CoV-2建立感染的能力受损，但已发现香烟烟雾提取物对气道上皮细胞分化有不利影响[21，41]，影响组织再生。我们的分析表明，与未经处理的支气管组织相比，CSE暴露组织内的分化动力学发生了改变，分泌细胞和纤毛细胞的损失率略有增加。此外，使用相应的组织组合物，与未处理的组织相比，我们通常观察到模拟CSE暴露的支气管组织中的病毒载量较低（图4E），这与建立感染的潜在能力受损有关。虽然模拟的CSE暴露组织显示组织在感染后通过细胞数量判断的恢复能力受损（图4E），但计算的相对跨上皮电阻并不表明与未经治疗的支气管组织相比组织再生较慢（图4F）。然而，我们的模型是模拟的，假设每种情况下的细胞总数相同，忽略了CSE暴露的上皮内可能减少的细胞数量。由于实际细胞数对绝对TEER值有重大影响，因此需要每个HAE培养系统的总细胞计数才能可靠地连接组织组成和组织完整性。我们依靠细胞类型特定紧密连接的电阻参数化从图像数据计算组织完整性的新方法显示了其一般能力，即在根据稳态条件进行参数化的同时适当预测SARS-CoV-2感染下的早期组织破坏（图3B）[12，21].需要同时测量TEER和细胞计数，以可靠地参数化电池类型特定紧密结的电阻并改进我们的方法。

在我们试图解释 HAE 培养系统内感染动态数据时的一项一般观察表明，有必要考虑限制感染随时间传播的过程，例如难治性细胞群 （ODE） 或病毒传播动力学抑制 （CPM），这可以被视为免疫效应的替代品。其他建模研究也进行了类似的观察[26]。研究发现，先天免疫应答，尤其是I.型和III.型干扰素，在早期病毒控制中起着至关重要的作用，SARS-CoV-2也进化出了抵消其疗效的机制[61，62]。由于免疫应答的时间和程度对感染的建立和进展至关重要[63-66]，量化先天免疫激活和疗效的细胞类型特异性动力学对于预测不同呼吸组织内的疾病进展至关重要。在我们的分析中，我们假设所有组织在时间和幅度方面都经历了相似的免疫效力。最近的研究报告了鼻和支气管上皮对SARS-CoV-2感染的不同免疫转录谱[11]，以及吸烟者体内潜在的免疫力损害，解释这些差异，以及更详细地模拟免疫过程，将提高不同条件之间组织完整性测量的可比性（图4F）以及特异性免疫反应对组织病理学进展的作用。

我们的方法代表了量化SARS-CoV-2感染期间细胞类型特异性感染动力学及其对人气道上皮内疾病进展和病理学的重要性的第一步。它提供了一个方法框架来解开不同因素（如组织异质性、细胞类型特异性动力学和局部相互作用）对疾病进展和病理学的贡献，以及从成像数据确定组织完整性的方法。因此，我们的方法能够同时整合不同的实验观察结果并确定单个细胞动力学，而无需进行深入的单细胞测序分析。最近提出了几种建模环境，以不同的细节水平模拟组织内的病毒感染动态[17-19，67，68]，我们的方法代表了第一个框架的设置，该框架解释了伪分层，异质组织结构，以研究生理相关条件下的组织完整性。通过结合来自依赖于不同实验方案的几项研究的信息[12，21，27，36]，我们可靠地解释所有实验观察结果的能力受到损害，例如不同的培养基和设置可能会影响细胞分化动力学。由于发现细胞更新和先天免疫动力学是影响感染进展和病理的关键过程，因此需要有关组织分化（例如时间分辨细胞计数和相对细胞类型频率）以及免疫激活动力学的额外数据，以提供对组织组成对感染动力学影响的系统和定量理解。使用先进的参数推断工具[23，69]同时调整我们基于单个细胞的模型以适应这些不同的测量，这将有助于我们评估和预测不同气道上皮组织对SARS-CoV-2感染动力学的作用。

材料和方法

气液界面培养物

鼻腔和支气管ALI培养物从Epithelix（https://www.epithelix.com）购买，并在分化6周并显示正确的TEER时接受。收到样品后，将样品置于新鲜培养基中并使其恢复。分娩后两天洗涤样品以去除顶膜上的粘液。通过固定跨孔和DAPI染色来确定ALI培养物中的细胞数。然后通过在蔡司CD7细胞发现器上成像并使用Illastik进行细胞核计数来生成细胞数（参见S1数据和S4图）。

细胞更新和上皮再生模型

为了模拟气液界面培养系统中的分化和细胞周转，我们考虑了人支气管上皮的三种主要细胞类型，包括基底（B），分泌（S）和纤毛（C）细胞。基底细胞以密度依赖性增殖速率持续增殖，最大增殖速率α。细胞遵循线性分化途径以λ速率进入分泌细胞和纤毛细胞s和 λc，[20]。所有细胞类型都以相应的死亡率死亡δ我与 i∈{B，S，C}.然后用下面的常微分方程组描述整个动力学。

(1)

因此，N = B+S+C 定义了总细胞浓度和 N .max培养系统的最大承载能力。为了解释Γ分布的分化过程，然后扩展了方程（1）中的系统，假设基底细胞和分泌细胞分别通过k+1中间步骤，然后成为分泌细胞或纤毛细胞。然后，细胞再生和分化的标准模型由下式定义

(2)

用细胞总数 N 计算，即 N N = B0+B1+?.对于分析和参数估计，中间步骤的数量设置为k = 4，即具有5个不同的隔室（0，1,..,4），因为它可以很好地拟合数据，并且是非指数分布（k = 1）和计算低成本模型之间的权衡，以允许分化持续时间的合理分布。

细胞类型特异性感染性和病毒动力学模型

为了模拟SARS-CoV-2在人上皮培养物中的感染动力学，细胞再生和分化的标准模型（方程（2））通过每个不同细胞群的感染动力学进行了扩展。基底细胞、分泌细胞和纤毛细胞在细胞类型特异性感染率β下感染与病毒浓度V成正比。在平均持续时间为1/κ的病毒日食阶段之后，受感染的细胞I将变成生产性感染的细胞J，并开始以ρ速率输出病毒，平均生产寿命为1/δ我.为了简单起见，并考虑到感染细胞的快速周转，我们忽略了由于细胞死亡而导致的非生产性感染细胞的损失。每种不同的传播速率，细胞死亡，日食期和病毒产生最初都被认为是细胞类型特异性的。方程（1）/（2）的附加方程（不考虑符号中的区室化）然后由下式给出

(3)

因此，参数 c 定义了病毒清除率。此外，N现在由下式定义，即确定系统内细胞的总浓度。

与细胞分化类似，我们还对病毒日食阶段（1/κ）和生产性感染细胞的平均寿命（1/δ）使用了区室化我，其中 k = 4 个中间步骤，每个步骤用于参数拟合。

由于这个感染标准模型（方程（3））无法解释数据（见正文），我们通过额外考虑感染难治性细胞的比例来扩展模型，XR，X∈{B，S，C} 对于所考虑的三种细胞类型中的每一种。这些群体解释了培养物内和不同层内细胞的空间分离（基底与分泌/纤毛），也可以解释为受先天免疫机制保护的细胞[26]。然后，上述等式（3）中的相应方程由以下公式修改和扩展

(4)

与 fX，X∈{B，S，C}，表示变得难治的相应细胞类型的分数，并且贯穿始终。请注意，还应用了细胞分化过程、病毒日食阶段和生产性感染细胞寿命（类似于方程（2））的区室化，方程（4）代表最能解释实验数据的模型。

细胞更新和上皮再生的参数估计

我们使用近似贝叶斯计算-顺序蒙特卡洛（ABC-SMC）方法[2]将方程（21）中显示的模型拟合到Schamberger等人[23]的数据中。该模型拟合到通过数字化相应图形获得的数据，考虑实验观察到的误差，并附加2%高斯噪声，以校正无法观察到误差的数据点。除了蜂窝频率之外，我们还包括一个惩罚项，以确保绝对蜂窝数在拟合相对频率时保持合理的值。当ALI培养物在接种后28-50天（例如 https://www.epithelix.com/products/mucilair 和 https://www.stemcell.com/）达到汇合和完全分化的上皮时，增加了额外的惩罚项，以确保单个细胞群在~45-50天左右达到稳定状态。然后，每种像元类型的成本函数由 t 定义

我= 7、14、21 和 28 天，使用实际观测值定义测量的时间点，以及μ模拟(t），μ经验(t） 和σ经验(t） 分别测量和预测特定细胞类型的均值和标准误差。参数 w1和 w2定义权重以强制系统在 ~45 天时达到稳定状态。在这里，我们设置 w1= 0.025 和 w2= 0.005 以确保在没有可比较的实验数据的情况下，从实验测量（第一项）推断的动力学平稳过渡到基于定性评估的系统假定稳定状态。权重的选择将影响过渡动力学，从而影响估计的模型参数： w 的值越大1和 w2将延迟模型达到稳定状态。

然后，完整的成本函数由下式给出

第二项包括对总细胞计数的惩罚，其中 N（45） 给出第 45 天的总相对细胞计数，w3权重设置为 W3= 0.2。

成本函数通过近似贝叶斯计算（pyABC，[23]）最小化，使用5000个粒子进行初始校准，每生成2000个粒子。每次评估最多运行 15 代，直到达到足够的收敛。正如预期的那样，考虑到模型的复杂性和可用数据，相关性分析表明并非所有参数都是可识别的，尤其是细胞增殖速率α和最大细胞数N.max经历强相关性（S1图）。单个参数的先验分布由α~U（0.1， 0.6）， λs~U（0.05， 0.3）， λc~U（0.05， 0.3）， δb~U（0.001， 0.021）， δs~U（0.02， 0.16） 和 δc~U（0.02， 0.07），每天给出所有单位。

参数估计以确定细胞类型特异性感染性

通过将方程（3/4）中显示的模型与Ravindra等人获得的数据拟合来估计描述细胞类型特异性感染性的参数[27]。这些数据包含来自scRNAseq的信息，涉及支气管HAE系统感染SARS-CoV-1后2天、3天和2天感染基底细胞、分泌细胞和纤毛细胞的频率。

该模型通过近似贝叶斯计算（pyABC，[23]）拟合到数据中，运行30代，每代1000个校准粒子和1000个粒子。先前确定的支气管上皮最佳估计值考虑了上皮细胞更新（表1）。根据Ravindra等人在感染后1h的测量结果[27]，初始感染剂量为V0= 2.8×106使用RNA拷贝。

ALI培养系统的细胞Potts模型

我们使用软件工具Morpheus [22]中的细胞Potts建模框架来模拟HAE培养系统的假分层上皮内感染和组织再生的时空动态。细胞Potts模型是基于网格的，基于单个细胞的模型，允许同时考虑多个尺度的细胞间和细胞内动力学。每个单元由几个网格站点组成，旨在达到指定的目标体积和周长。异质细胞形态是作为旨在最小化其全局能量的细胞而达到的，该能量由其表面张力定义，并以所谓的哈密顿量为特征[16，22]。CPM 实现具有灵活的细胞形状，使我们能够考虑随着细胞密度的增加而变化的细胞体积。这是由参数体积强度和所谓的非球面度 V 决定的S和Ψ，分别定义了细胞试图达到/维持所需目标体积和表面积的强度，并惩罚与它们的任何偏差（有关实现的详细说明，请参阅Morpheus及其中的文档[22]）。

该模型区分基底细胞、分泌细胞和纤毛细胞。为了模拟基底细胞位于培养物基底膜的假分层上皮，VS对于基底细胞，仅为分泌细胞和纤毛细胞相应值的1/10（S1表）。通过这种参数化，基底细胞被“压缩”，因为分泌细胞和纤毛细胞的数量增加，模拟其他细胞类型基底细胞的“过度生长”（参见 https://github.com/GrawLab/SARS-ALIculture 的Movie1）。

细胞增殖、分化和周转

单个细胞类型在细胞增殖、分化和细胞周转方面的动力学遵循方程（1/2）和等式（3/4）中已经定义的单个过程（另见图1B和2A）。参数化基于先前估计的参数（表1），随机模拟考虑了细胞异质性。为此，不同的连续速率被转换为CPM内离散事件的概率，具体取决于假设恒定风险模型所使用的时间步长。例如，使用δS定义ODE模型中分泌细胞的损失率，分泌细胞在CPM中Δt的时间步长Δ t内死亡的概率（即根据方程（2）改变隔室以说明Γ分布的寿命）计算。细胞死亡后，立即去除死细胞，即不抑制细胞增殖动力学或跨上皮电阻（TEER）的计算（见下文）。由于CPM内的动态细胞形态以及在模拟密度依赖性细胞生长时考虑到假分层组织，基底细胞的增殖受细胞培养物中细胞总数的影响，而不仅仅是局部周围环境显示合理的组织动力学和生长动力学。

无细胞感染。

通过另外考虑细胞外病毒浓度V来模拟无细胞感染。单个细胞被感染取决于细胞类型特定的传输参数βX，X∈{B，S，C}及其细胞表面的总病毒浓度。一旦变成生产性，生产性感染的细胞将不断产生病毒，导致特定网格位点的细胞外病毒浓度。病毒浓度被建模为以扩散速率D 扩散通过系统的场V= 60 μm2/h与先前使用的有效扩散速率相当[70]。

细胞间传输。

除了无细胞病毒感染外，我们还允许在生产性感染和未感染的细胞之间直接进行细胞间传播。细胞被感染的概率取决于未感染细胞的类型（X∈{B，S，C}），其特征在于相对感染参数β抄送，X，以及周围细胞类型，生产性感染，因此潜在感染细胞，特征在于相对感染参数ρ抄送，X，即类似于无细胞感染的传播和病毒生产参数。在没有关于细胞类型特异性对细胞间传播的影响的特定知识或数据的情况下，我们使用ODE模型中估计的细胞类型特异性病毒传播和产生速率的相对关系（表2）来参数化β抄送，X和 ρ抄送，X.我们任意设置β抄送，B= 1 和 ρ抄送，B= 1，以基底细胞为基线，根据β的比率确定其他值s/βb、βc/βb和 ρs/ρb， ρs/ρb，分别（见表2）。未感染的基底细胞被感染的概率由下式确定 N

J，B， NJ，S和 NJ，C分别定义与相应细胞接触的生产性感染基底细胞、分泌细胞和纤毛细胞的数量。对于其他细胞类型，概率的计算方式类似。请注意，对于基底细胞和分泌细胞，感染的可能性必须额外降低0.2倍，以进一步将其感染动力学与纤毛细胞的感染动力学分开，这表明纤毛细胞被感染的可能性明显更高。

感染动态的适应。

为了进一步调整空间显式CPM模拟中的感染动态，我们还通过两个加权因子w控制感染的有效性。cf和 w抄送，这加重了先前确定的无细胞病毒传播β值X和细胞间传播，β抄送，X，分别与 X∈{B，S，C}。通过改变加权因子，同时保持所有其他参数关系不变，我们能够在空间模拟中控制感染的初始速度，并使模拟适应观察到的动态，只改变有限数量的参数。对于无细胞病毒传播，wcf将从ODE方法获得的传播速率转换为空间显式CPM中病毒浓度的有效面积，对应于[71]中引入的细胞化方法。此外，两种传播参数都通过无细胞和细胞间传播对感染的相对贡献进一步控制，由f抄送.因此，对于每个特定的细胞类型X∈{B，S，C}，传输速率分别由和定义。

先天免疫保护。

作为模型扩展，以额外解释观察到的感染动力学并模拟ODE模型中考虑的难治性细胞群[26]，我们还在模拟中考虑了免疫反应的影响。反映先天免疫反应，免疫保护响应由感染引起的病理损伤而发展，并将减少游离和细胞间传播，即β抄送，X和β抄送，X，分别与 X∈{B，S，C}。我们特别考虑了由纤毛细胞和分泌细胞组成的顶端细胞层内的损伤来控制这些动态，即损伤的增加导致传输动力学的饱和。免疫保护 E（t） 然后由下式计算，其中 N

顶点，0 = S+C定义了开始时纤毛细胞和分泌细胞的数量，当前时间点未感染、感染和感染的纤毛细胞和分泌细胞的数量，以及g.max顶端层可能被损坏的最大部分。我们使用默认值 g.max= 0.75。考虑到免疫保护，然后根据和更新传输参数。请注意，为了分析暴露于香烟烟雾提取物的鼻上皮和支气管上皮中的SARS-CoV-2感染动力学（图4），我们使用了与支气管组织推断的相同的先天免疫保护动力学和功效，即E（t）的功能值与正常支气管组织中使用的相同，以限制上皮组成和再生动力学差异的可能变化。为此，我们确定了支气管上皮的10次模拟中E（t）的平均动力学，并将其作为函数加载到其他模拟中。

默认参数化。

作为默认参数化，我们假设径向细胞培养系统直径为 d = 1.217 mm，总共包含 ~4.7×104细胞根据我们的实验测量（S4图）并使用1像素= 1μm的空间分辨率。以0.05天的时间步长进行模拟，以模拟ALI培养物再生模型总共50天（图1），以15分钟的时间步长模拟25天的总时间段内的感染动态（图2）。为了模拟感染，根据假设的稳态条件分布细胞类型，并在25个时间步长的老化阶段后引入感染。初始感染剂量V0计算获得与使用初始感染剂量为 2.6 × 10 的 ODE 系统中相同数量的初始感染细胞6RNA拷贝（从[27]获得，1小时病毒载量）。考虑半径为r的模拟径向细胞培养的大小和细胞总数N，以及加权因子w调节的局部感染力cf，初始病毒剂量由 给出。初始病毒载量均匀分布在整个网格中。模型的 xml 代码在表 1、2 和 S1 中也提供了 https://github.com/GrawLab/SARS-ALIculture 特定 CPM 参数的所有标准参数。

参数调整。

使用不同参数扫描的组合来改善CPM模型对实验数据的适应性。为了限制参数的数量在模型复杂性下的变化，我们将分析集中在权重因子w的适应上cf，以及额外的加权因子wV这调节了最初的病毒感染剂量，从而调节了感染的初始速度。通过这些有限的规定，可以结合在这种培养条件下观察到的组织病理学量，获得实验数据中观察到的细胞类型特异性感染动力学的适当参数化[27]。

基于影像数据估算跨上皮电阻（TEER）

为了测量ALI培养系统中的组织病理学，我们在模拟中量化了跨上皮电阻（TEER），这是测量组织完整性的标准方法[32]。它通过测量放置在ALI培养系统的顶端和基底外侧隔室的电极之间的细胞层电阻来确定放置在半透膜上的组织层的电阻。假设细胞膜每面积的电阻远大于细胞紧密连接处的电阻（TJ），R膜?R泰杰，组织的总电阻，R组织，是紧密结电阻的谐波平均值，因为它们连接在并联电路中。如果所有紧密结都具有相等的电阻，这将得到我们： 与 M

泰杰表示紧密连接所覆盖的区域。然后，报告的TEER值由TEER = R定义组织×米总以Ω×厘米为单位2，与 M总是组织的总面积，即M总 = M泰杰+M细胞（另见[32]）。

对于培养系统中的三种细胞类型（基底细胞、分泌细胞、纤毛细胞）以及未覆盖区域（培养基），组织的总抗性由下式给出

(5)

考虑每种不同像元类型彼此之间以及覆盖的相应区域的所有可能的紧密连接，其中 i 表示所有像素的数量。特此，R低音，低音， R西尔，西尔等。定义特定紧密结的电阻，以及 N低音，低音， N低音，秒等。具有相应连接的像素数。为了确定每个紧密连接组合的面积，我们使用了CPM模拟生成的图像。对于表征紧密连接（即以黑色显示）的每个像素，我们确定了直接邻域（3×3区域）中的像素类型，以根据周围细胞的类型对紧密连接的类型进行分类。例如，如果所有像素都属于纤毛细胞或代表其他紧密连接，则将计入 cil-cil 区域。使用2000×2000像素的分辨率（1图像像素= 0.6×0.6μm 2），紧密连接点的边界宽度通常为 1-2 像素。

为了在我们的模拟中参数化跨上皮阻力值，我们使用TEER测量在稳态条件下分化支气管上皮（[21]，图1C）。为了简化起见，我们假设假分层上皮不同层内的细胞类型（基底与分泌/纤毛）表现相似：

这个假设留下了R低音，低音， R低音，低音， RSEC，CIL和 R中等作为需要确定的未知参数。此外，还确定了解释其中一个细胞的感染性影响以降低特定紧密连接的电阻的因素。通过将基于方程（5）的模拟培养系统的计算与稳态条件下未经治疗的支气管上皮的TEER测量值进行调整来获得参数[21]。

支持信息

参数依赖性：在将模型拟合到实验数据[10]（表15）时，使用1代ABC后使用1%最佳参数组合估计再生和分化参数的相对依赖性[2]（表21）。

显示 1/8： pcbi.1011356.s001.pdf

跳到无花果共享导航

0.010.020.040.060.080.100.120.140.160.080.090.20.40.64567890.0050.015?0.040.120.030.020.040.060.040.080.120.16?0.36?0.110.230.07?0.07?0.04?0.120.120.160.200.0750.0850.095?0.230.180.200.67?0.03?0.860.14?0.130.43?0.110.351.21.41.61.82.04 5 6 7 8 90.20.30.40.50.60.7?0.03?0.050.020.030.040.050.060.070.210.340.120.140.160.180.200.080.231.21.41.61.82.00.09δbδcδsλcλsN.max.rssα参数α（d-1)δb（d-1)δc（d-1)δs（d-1)λc（d-1)λs（d-1)N.max（美国）.rss参数

1 / 8

下载

无花果分享

S1 图 参数依赖性：拟合模型时使用 10 代 ABC 后 15% 最佳参数组合估计再生和分化参数的相对依赖性（图 1B，方程。(1–2))到实验数据[21]（表1）。

上对角矩阵中的数字决定了计算出的皮尔逊相关系数。

https://doi.org/10.1371/journal.pcbi.1011356.s001

（英文）

S2 图 参数依赖性：将感染模型（方程（10））拟合到实验数据[30]时，使用3代ABC后27%最佳参数组合估计感染参数的相对依赖性[3]。

上对角矩阵中的数字定义了计算出的皮尔逊相关系数。

https://doi.org/10.1371/journal.pcbi.1011356.s002

（英文）

S3 图

病毒传播方式对感染动力学的影响：（A）不同假设对细胞间传播相对贡献的影响，f抄送，到模拟 SARS-CoV-2 在支气管上皮内传播的感染动力学。所有其他参数保持不变。在SARS-CoV-2期间，特定感染细胞类型、病毒载量和总细胞数的相对比例的模拟动力学，每个假设值的平均值和范围（最小-最大值）超过10次独立模拟f抄送都显示。（乙-丙）病毒载量（B）和总细胞群（C）的相对大小的不同假设f抄送用f抄送= 0.9 作为基线。计算每个条件的 10 个模拟的均值比率。

https://doi.org/10.1371/journal.pcbi.1011356.s003

（英文）

S4 图 ALI培养系统的细胞计数：通过支气管和鼻腔人气道上皮ALI培养物中的DAPI染色确定细胞的绝对数量（见材料和方法）。

显示了每种条件下三种独立培养物的平均±1.96×SE（S1数据）。

https://doi.org/10.1371/journal.pcbi.1011356.s004

（英文）

S1 表。 ALI培养系统的细胞Potts模型（CPM）的参数。

用于初始化具有不同细胞类型特异性的细胞 Potts 模型的一般参数。https://github.com/GrawLab/SARS-ALIculture 提供了支气管组织内感染动力学的细胞分化和周转标准模型的xml文件，包括所有基线参数化并在Morpheus 2.2.6中实现。

https://doi.org/10.1371/journal.pcbi.1011356.s005

（英文）

S2 表。 常微分方程和每千次展示费用方法的比较。

比较原始和扩展的ODE方法以及空间分辨CPM中考虑的不同生物过程/方面。

https://doi.org/10.1371/journal.pcbi.1011356.s006

（英文）

S3 表。 不同ALI培养系统的稳态组织组成。

稳态组织的组成使用从实验数据推断的分化动力学的最佳估计值[21]（另见图4A/4B）。值以单元格总数的百分比为单位。

https://doi.org/10.1371/journal.pcbi.1011356.s007

（英文）

S1 数据。 DAPI 细胞计数数据。

S3图中使用的基于DAPI染色的支气管和鼻上皮ALI培养的原始细胞计数数据。

https://doi.org/10.1371/journal.pcbi.1011356.s008

（三十）

引用

1.Mulay A， Konda B， Garcia G Jr.， Yao C， Beil ， Villalba JM， et al. 用于 COVID-2 建模和药物发现的原发性人肺上皮的 SARS-CoV-19 感染。细胞代表 2021;35（5）：109055.Epub 20210413。pmid：33905739;PubMed Central PMCID：PMC8043574。

查看文章PubMed/NCBI谷歌学术搜索

2.V'Kovski P， Kratzel A， Steiner S， Stalder H， Thiel V. 冠状病毒生物学和复制：对 SARS-CoV-2 的影响。国家微生物学。2021;19(3):155–70.Epub 20201028。pmid：33116300;PubMed Central PMCID：PMC7592455。

查看文章PubMed/NCBI谷歌学术搜索

3.戴维斯JD，Wypych TP.气道上皮的细胞和功能异质性。粘膜免疫。2021;14(5):978–90.Epub 20210219。pmid：33608655;PubMed Central PMCID：PMC7893625。

查看文章PubMed/NCBI谷歌学术搜索

4.水晶RG，兰德尔SH，恩格尔哈特JF，沃伊诺J，周日我。气道上皮细胞：当前的概念和挑战。胸腔学报 2008;5（7）：772–7.pmid：18757316;PubMed Central PMCID：PMC5820806。

查看文章PubMed/NCBI谷歌学术搜索

5.赫里格斯M，莫里西EE。肺发育：协调复杂器官的生成和再生。发展。2014;141(3):502–13.pmid：24449833;PubMed Central PMCID：PMC3899811。

查看文章PubMed/NCBI谷歌学术搜索

6.斯帕斯基 N， 默尼耶 A.多纤毛上皮的发展和功能。分子细胞生物学杂志. 2017;18（7）：423–36.Epub 20170412。PMID：28400610。

查看文章PubMed/NCBI谷歌学术搜索

7.蒂利AE，沃尔特斯MS，谢基耶夫R，水晶RG。肺部疾病中的纤毛功能障碍。生理学年鉴. 2015;77：379–406.Epub 20141029。pmid：25386990;PubMed Central PMCID：PMC4465242。

查看文章PubMed/NCBI谷歌学术搜索

8.布尔人JE，Ambergen AW，Thunnissen FB。正常人气道上皮中克拉拉细胞的数量和增殖。美国呼吸暴击护理医学杂志 1999;159（5 Pt 1）：1585–91.噗：10228131。

查看文章PubMed/NCBI谷歌学术搜索

9.布尔人JE，Ambergen AW，Thunnissen FB。正常人气道上皮中基底细胞和副基底细胞的数量和增殖。美国呼吸暴击护理医学杂志 1998;157（6 Pt 1）：2000–6.pmid：9620938。

查看文章PubMed/NCBI谷歌学术搜索

10.罗杰斯·气道杯状细胞。国际生物化学细胞生物学杂志. 2003;35（1）：1–6.PMID：12467641。

查看文章PubMed/NCBI谷歌学术搜索

11.Pizzorno A， Padey B， Julien T， Trouillet-Assant S， Traversier A， Errazuriz-Cerda E， et al.鼻和支气管人气道上皮中SARS-CoV-2的特征和治疗。细胞代表医学 2020;1（4）：100059.pmid：32835306;PubMed Central PMCID：PMC7373044。

查看文章PubMed/NCBI谷歌学术搜索

12.Robinot R， Hubert M， de Melo GD， Lazarini F， Bruel T， Smith N， et al. SARS-CoV-2 感染诱导多纤毛细胞去分化并损害粘液纤毛清除。纳特公社。2021;12(1):4354.Epub 20210716。pmid：34272374;PubMed Central PMCID：PMC8285531。

查看文章PubMed/NCBI谷歌学术搜索

13.Fiege JK， Thiede JM， Nanda HA， Matchett WE， Moore PJ， Montanari NR， et al.SARS-CoV-2 嗜性的单细胞分辨率、抗病毒反应和对原发性人气道上皮治疗的敏感性。公共科学图书馆病理学。2021;17（1）：e1009292.Epub 20210128。pmid：33507952;PubMed Central PMCID：PMC7872261。

查看文章PubMed/NCBI谷歌学术搜索

14.Tran BM， Grimley SL， McAuley JL， Hachani A， Earnest L， Wong SL， et al. 空气-液体-界面分化人鼻上皮：SARS-CoV-2感染的稳健原代组织培养模型。国际分子科学杂志 2022;23（2）.Epub 20220113。pmid：35055020;PubMed Central PMCID：PMC8776210。

查看文章PubMed/NCBI谷歌学术搜索

15.郝S， 宁 K， 因为 CA， 沃希斯 K， 严 Z， 邱 J. 体外培养极化人气道上皮 SARS-CoV-2 感染的长期建模.移动生物。2020;11(6).Epub 20201106。pmid：33158999;PubMed Central PMCID：PMC7649230。

查看文章PubMed/NCBI谷歌学术搜索

16.Graner FG J.使用二维扩展Potts模型模拟生物细胞分选。Phys Rev Lett. 1992;69：2013–6.密码：10046374

查看文章PubMed/NCBI谷歌学术搜索

17.Moses ME， Hofmeyr S， Cannon JL， Andrews A， Gridley R， Hinga M， et al.空间分布感染增加了SARS-CoV-2肺部感染计算模型中的病毒载量。公共科学图书馆计算生物学. 2021;17（12）：e1009735.Epub 20211223。PubMed Central PMCID：PMC8740970。密码：34941862

查看文章PubMed/NCBI谷歌学术搜索

18.Sego TJ， Aponte-Serrano JO， Ferrari Gianlupi J， Heaps SR， Breithaupt K， Brusch L， et al.用于上皮组织中急性原发病毒感染和免疫应答的多尺度、多细胞、时空建模的模块化框架及其在药物治疗时机和有效性中的应用。公共科学图书馆计算生物学. 2020;16（12）：e1008451.Epub 20201221。pmid：33347439;PubMed Central PMCID：PMC7785254。

查看文章PubMed/NCBI谷歌学术搜索

19.法拉利 Gianlupi J， Mapder T， Sego TJ， Sluka JP， Quinney SK， Craig M， et al. 抗病毒时机、效力和异质性对 SARS-CoV-2 感染的上皮组织贴片影响的多尺度模型。病毒。2022;14(3).Epub 20220314。pmid：35337012;PubMed Central PMCID：PMC8953050。

查看文章PubMed/NCBI谷歌学术搜索

20.Watson JK， Rulands S， Wilkinson AC， Wuidart A， Ousset M， Van Keymeulen A， et al. 克隆动力学揭示了缓慢周转气道上皮中两个不同的基底细胞群。细胞代表 2015;12（1）：90–101.Epub 20150625。pmid：26119728;PubMed Central PMCID：PMC4518462。

查看文章PubMed/NCBI谷歌学术搜索

21.Schamberger AC，Staab-Weijnitz CA，Mise-Racek N，Eickelberg O.香烟烟雾改变了气液界面处的原发性人支气管上皮细胞分化。科学代表 2015;5：8163.Epub 20150202。pmid：25641363;PubMed Central PMCID： PMC4313097.

查看文章PubMed/NCBI谷歌学术搜索

22.Starruss J，de Back W，Brusch L，Deutsch A. Morpheus：多尺度和多细胞系统生物学的用户友好建模环境。生物信息学。2014;30(9):1331–2.Epub 20140117。pmid：24443380;PubMed Central PMCID：PMC3998129。

查看文章PubMed/NCBI谷歌学术搜索

23.Schalte Y， Hasenauer J. 使用顺序近似贝叶斯计算对具有噪声测量的动态系统进行有效的精确推理。生物信息学。2020;36（Suppl_1）：i551–i9.pmid：32657404;PubMed Central PMCID：PMC7355286。

查看文章PubMed/NCBI谷歌学术搜索

24.博赫明，亨德尔·宿主或细胞培养物中甲型流感感染的数学模型综述：经验教训和面临的挑战。BMC 公共卫生。2011;11 增刊 1：S7.Epub 20110225。pmid：21356136;PubMed Central PMCID：PMC3317582。

查看文章PubMed/NCBI谷歌学术搜索

25.Kumberger P，Frey F，Schwarz US，Graw F.病毒复制和传播的多尺度建模。二月 2016;590（13）：1972–86.Epub 20160306。PMID：26878104。

查看文章PubMed/NCBI谷歌学术搜索

26.柯 R， 齐茨曼 C， 何 DD， 里贝罗 RM， 佩雷尔森 AS.SARS-CoV-2感染的体内动力学及其与人的传染性的关系。美国国家科学院院刊，2021;118（49）。pmid：34857628;PubMed Central PMCID：PMC8670484。

查看文章PubMed/NCBI谷歌学术搜索

27.Ravindra NG， Alfajaro MM， Gasque V， Huston NC， Wan H， Szigeti-Buck K， et al.人气道上皮中 SARS-CoV-2 感染的单细胞纵向分析可识别靶细胞、基因表达改变和细胞状态变化。公共科学图书馆生物学. 2021;19（3）：e3001143.Epub 20210317。pmid：33730024;PubMed Central PMCID：PMC8007021。

查看文章PubMed/NCBI谷歌学术搜索

28.曾 C， 埃文斯 JP， 金 T， 郑 YM， 奥尔茨 EM， 惠兰 SPJ， 等. SARS-CoV-2 通过细胞间传播。美国国家科学院院刊，2022;119（1）。pmid：34937699;PubMed Central PMCID：PMC8740724。

查看文章PubMed/NCBI谷歌学术搜索

29.戈亚尔 A， 卡多佐-奥赫达 EF， 希弗 JT. 抗病毒治疗的效力和时机作为 SARS-CoV-2 脱落持续时间和炎症反应强度的决定因素。科学进展 2020;6（47）.Epub 20201120。pmid：33097472;PubMed Central PMCID：PMC7679107。

查看文章PubMed/NCBI谷歌学术搜索

30.Stanifer ML， Kee C， Cortese M， Zumaran CM， Triana S， Mukenhirn M， et al. III 型干扰素在控制人肠上皮细胞 SARS-CoV-2 感染中的关键作用。细胞代表 2020;32（1）：107863.Epub 20200619。pmid：32610043;PubMed Central PMCID：PMC7303637。

查看文章PubMed/NCBI谷歌学术搜索

31.拉默斯MM，哈格曼斯BL.SARS-CoV-2发病机制。国家微生物学。2022;20(5):270–84.Epub 20220330。pmid：35354968。

查看文章PubMed/NCBI谷歌学术搜索

32.Srinivasan B， Kolli AR， Esch MB， Abaci HE， Shuler ML， Hickman JJ. 体外屏障模型系统的TEER测量技术。J 实验室自动化2015;20(2):107–26.Epub 20150113。pmid：25586998;PubMed Central PMCID：PMC4652793。

查看文章PubMed/NCBI谷歌学术搜索

33.Sungnak W， Huang N， Becavin C， Berg M， Queen R， Litvinukova M， et al. SARS-CoV-2 进入因子与先天免疫基因一起在鼻上皮细胞中高度表达。自然医学 2020;26（5）：681–7.Epub 20200423。pmid：32327758;PubMed Central PMCID：PMC8637938。

查看文章PubMed/NCBI谷歌学术搜索

34.侯YJ， 奥田K， 爱德华兹CE， 马丁内斯DR， 朝仓T， 丁农KH， 3rd， et al. SARS-CoV-2逆转遗传学揭示了呼吸道中可变的感染梯度。细胞。2020;182（2）：429–46 e14.Epub 20200527。pmid：32526206;PubMed Central PMCID：PMC7250779。

查看文章PubMed/NCBI谷歌学术搜索

35.中山T， 李IT， 姜S， Matter MS， 严哲， Overdevest JB， et al.SARS-CoV-2在气道粘膜组织中进入和复制的决定因素以及吸烟者的易感性。细胞代表医学 2021;2（10）：100421.Epub 20210928。pmid：34604819;PubMed Central PMCID：PMC8479532。

查看文章PubMed/NCBI谷歌学术搜索

36.德博尔哈·卡列哈斯 F， 马丁内斯-安东 A， 阿洛比德 I， 富恩特斯 M， 科尔蒂霍 J， 皮卡多 C， 等.重建的人上气道上皮作为鼻息肉病的3-D体外模型。公共图书馆一号。2014;9（6）：e100537.Epub 20140619。pmid：24945146;PubMed Central PMCID：PMC4063947。

查看文章PubMed/NCBI谷歌学术搜索

37.谢基耶夫R，水晶RG。慢性阻塞性肺疾病发病机制的早期事件。吸烟诱导的气道上皮基底祖细胞重编程。Ann Am Thorac Soc. 2014;11 Suppl 5：S252–8.pmid：25525728;PubMed Central PMCID：PMC4298974。

查看文章PubMed/NCBI谷歌学术搜索

38.Wohnhaas CT， Gindele JA， Kiechle T， Shen Y， Leparc GG， Stierstorfer B， et al. 香烟烟雾特异性影响小气道上皮细胞群并触发炎症和鳞状分化相关基底细胞的扩增。国际分子科学杂志 2021;22（14）.Epub 20210716。pmid：34299265;PubMed Central PMCID：PMC8305830。

查看文章PubMed/NCBI谷歌学术搜索

39.Peters EJ， Morice R， Benner SE， Lippman S， Lukeman J， Lee JS， et al.支气管粘膜的鳞状化生及其与吸烟的关系。胸。1993;103(5):1429–32.pmid：8486022

查看文章PubMed/NCBI谷歌学术搜索

40.气道上皮干细胞与慢性阻塞性肺病的病理生理学。胸科学学报 2006;3（8）：718–25.pmid：17065380;PubMed Central PMCID：PMC2647659。

查看文章PubMed/NCBI谷歌学术搜索

41.Rock JR，Randell SH，Hogan BL.气道基底干细胞：它们在上皮稳态和重塑中的作用的观点。Dis 模型机械. 2010;3（9–10）：545–56.Epub 20100810。pmid：20699479;PubMed Central PMCID：PMC2931533。

查看文章PubMed/NCBI谷歌学术搜索

42.艾弗森 E， 卡勒 L， 阿戈斯蒂诺 EL， 宋 D， 邓肯 GA， 斯库尔马.利用 3D 模型系统了解病毒与呼吸道粘膜的相互作用。病毒。2020;12(12).Epub 20201211。pmid：33322395;PubMed Central PMCID：PMC7763686。

查看文章PubMed/NCBI谷歌学术搜索

43.Han Y， Yang L， Lacko LA， Chen S. 研究SARS-CoV-2感染的人类类器官模型。纳特方法。2022;19(4):418–28.Epub 20220408。PMID：35396481。

查看文章PubMed/NCBI谷歌学术搜索

44.Mou H， Vinarsky V， Tata PR， Brazauskas K， Choi SH， Crooke AK， et al.双重SMAD信号传导抑制使不同的上皮基底细胞能够长期扩增。细胞干细胞。2016;19(2):217–31.Epub 20160616。pmid：27320041;PubMed Central PMCID：PMC4975684。

查看文章PubMed/NCBI谷歌学术搜索

45.Rawlins EL，Hogan BL.小鼠气管和肺中的纤毛上皮细胞寿命。美国生理学杂志肺细胞分子生理学. 2008;295（1）：L231–4.Epub 20080516。pmid：18487354;PubMed Central PMCID：PMC2494792。

查看文章PubMed/NCBI谷歌学术搜索

46.科顿DN，莫里西EE。肺再生：机制，应用和新兴干细胞群。自然医学 2014;20（8）：822–32.pmid：25100528;PubMed Central PMCID：PMC4229034。

查看文章PubMed/NCBI谷歌学术搜索

47.朱楠， 王文， 刘志， 梁春， 王文， 叶芳， 等.SARS-CoV-2感染在人气道上皮细胞中的形态发生和细胞病变作用。纳特公社。2020;11(1):3910.Epub 20200806。pmid：32764693;PubMed Central PMCID：PMC7413383。

查看文章PubMed/NCBI谷歌学术搜索

48.Lee IT， Nakayama T， Wu CT， Goltsev Y， Jiang S， Gall PA， et al. ACE2定位于呼吸道纤毛，不因ACE抑制剂或ARB而增加。纳特公社。2020;11(1):5453.Epub 20201028。pmid：33116139;PubMed Central PMCID：PMC7595232。

查看文章PubMed/NCBI谷歌学术搜索

49.邱明明， 李春， 刘晓， 宋文， 万志， 于茹， 等. 人鼻类器官模型SARS-CoV-2上呼吸道感染并概括了新兴变异株的差异传染性。移动生物。2022;13（4）：e0194422.Epub 20220808。pmid：35938726;PubMed Central PMCID：PMC9426414。

查看文章PubMed/NCBI谷歌学术搜索

50.Kim KS， Ejima K， Iwanami S， Fujita Y， Ohashi H， Koizumi Y， et al.用于比较宿主内SARS-CoV-2、中东呼吸综合征冠状病毒和SARS-CoV动力学的定量模型提供了对SARS-CoV-2发病机制和治疗的见解。公共科学图书馆生物学. 2021;19（3）：e3001128.Epub 20210322。pmid：33750978;PubMed Central PMCID：PMC7984623。

查看文章PubMed/NCBI谷歌学术搜索

51.Cortese M， Lee JY， Cerikan B， Neufeldt CJ， Oorschot VMJ， Kohrer S， et al. 综合成像显示 SARS-CoV-2 诱导的亚细胞形态重塑。细胞宿主微生物。2020;28（6）：853–66 e5.Epub 20201117。pmid：33245857;PubMed Central PMCID：PMC7670925。

查看文章PubMed/NCBI谷歌学术搜索

52.贡萨尔维斯 A， 伯特兰 J， 柯 R， 彗星 E， 德兰巴列里 X， 马尔维 D， 等.开始抗病毒治疗的时机对于降低SARS-CoV-2病毒载量至关重要。CPT药物计量系统药理学。2020;9(9):509–14.Epub 20200807。pmid：32558354;PubMed Central PMCID：PMC7323384。

查看文章PubMed/NCBI谷歌学术搜索

53.Liesman RM， Buchholz UJ， Luongo CL， Yang L， Proia AD， DeVincenzo JP， et al. RSV 编码的 NS2 促进上皮细胞脱落和远端气道阻塞。J 临床投资。2014;124(5):2219–33.Epub 20140408。pmid：24713657;PubMed Central PMCID： PMC4001550.

查看文章PubMed/NCBI谷歌学术搜索

54.Dumm RE， Fiege JK， Waring BM， Kuo CT， Langlois RA， Heaton NS.从感染细胞中非裂解清除乙型流感病毒可保留上皮屏障功能。纳特公社。2019;10(1):779.Epub 20190215。pmid：30770807;PubMed Central PMCID：PMC6377627。

查看文章PubMed/NCBI谷歌学术搜索

55.傅毅， 童杰， 孟芳， 霍尔蒂格， 刘刚， 尹晓， 等.气道上皮细胞纤毛淤积促进甲型流感病毒感染。兽医研究 2018;49（1）：65.Epub 20180718。pmid：30021653;PubMed Central PMCID：PMC6052543。

查看文章PubMed/NCBI谷歌学术搜索

56.吴淑娴， 杨伟， 贝内克 A， 迪克曼 R， 马特罗索维奇， 鲍姆加特纳， 等.尽管纤毛细胞急剧丧失，但被流感病毒感染的分化气道上皮仍维持屏障功能。科学代表 2016;6：39668.Epub 20161222。pmid：28004801;PubMed Central PMCID：PMC5177954。

查看文章PubMed/NCBI谷歌学术搜索

57.埃赛迪-拉齐奥西 M， 布里托 F， 贝纳乌迪亚 S， 罗伊斯顿 L， 卡尼奥 V， 费尔南德斯-罗查 M， 等.呼吸道病毒在人气道上皮中的传播揭示了持续的病毒特异性特征。J过敏临床免疫。2018;141(6):2074–84.Epub 20170808。pmid：28797733;PubMed Central PMCID：PMC7112338。

查看文章PubMed/NCBI谷歌学术搜索

58.吴 CT， 利德斯基 PV， 肖 Y， 程 R， 李 IT， 中山 T， 等. 气道上皮中的 SARS-CoV-2 复制需要活动纤毛和微体重编程。细胞。2023;186（1）：112–30 e20.Epub 20221202。pmid：36580912;PubMed Central PMCID：PMC9715480。

查看文章PubMed/NCBI谷歌学术搜索

59.Fekete M， Szarvas Z， Fazekas-Pongor V， Feher A， Dosa N， Lehoczki A， et al. 慢性阻塞性肺病患者的 COVID-19 感染：从病理生理学到治疗。迷你评论。生理学国际 2022.Epub 20220228。pmid：35230261。

查看文章PubMed/NCBI谷歌学术搜索

60.Usman MS， Siddiqi TJ， Khan MS， Patel UK， Shahid I， Ahmed J， et al.COVID-19中是否存在吸烟者悖论？英国医学杂志 2021;26（6）：279–84.Epub 20200811。PMID：32788164。

查看文章PubMed/NCBI谷歌学术搜索

61.周孜， 任林， 张磊， 钟杰， 肖茹， 贾志， 等. COVID-19患者呼吸道先天免疫反应增强.细胞宿主微生物。2020;27（6）：883–90 e2.Epub 20200504。pmid：32407669;PubMed Central PMCID：PMC7196896。

查看文章PubMed/NCBI谷歌学术搜索

62.Konno Y， Kimura I， Uriu K， Fukushi M， Irie T， Koyanagi Y， et al. SARS-CoV-2 ORF3b是一种有效的干扰素拮抗剂，其活性因天然存在的伸长变体而增加。细胞代表 2020;32（12）：108185.Epub 20200904。pmid：32941788;PubMed Central PMCID：PMC7473339。

查看文章PubMed/NCBI谷歌学术搜索

63.安德烈斯 P， 布兰丁 P， 维多利亚 D， 威廉 M， 贾斯汀 O， 洛朗 E， 等.严重急性呼吸综合征冠状病毒2复制与人鼻上皮主要呼吸道病毒之间的相互作用。J 感染病 2022.Epub 20220829。pmid：36031537;PubMed Central PMCID：PMC9452145。

查看文章PubMed/NCBI谷歌学术搜索

64.Dee K， Goldfarb DM， Haney J， Amat JAR， Herder V， Stewart M， et al. 人类鼻病毒感染阻断呼吸道上皮内严重急性呼吸综合征冠状病毒 2 复制：对 COVID-19 流行病学的影响。感染杂志 2021;224（1）：31–8.pmid：33754149;PubMed Central PMCID：PMC8083659。

查看文章PubMed/NCBI谷歌学术搜索

65.Fage C， Henaut M， Carbonneau J， Piret J， Boivin G. 甲型H1N1流感pdm09病毒，但不是呼吸道合胞病毒在人鼻上皮细胞连续感染期间干扰SARS-CoV-2复制。病毒。2022;14(2).Epub 20220215。pmid：35215988;PubMed Central PMCID：PMC8879759。

查看文章PubMed/NCBI谷歌学术搜索

66.奇玛拉， 沃特金斯， 米海洛娃， 王斌， 赵德， 王刚， 等.动态先天免疫应答决定了对 SARS-CoV-2 感染的易感性和早期复制动力学。实验医学杂志 2021;218（8）.Epub 20210615。pmid：34128960;PubMed Central PMCID：PMC8210587。

查看文章PubMed/NCBI谷歌学术搜索

67.Chen A， Wessler T， Daftari K， Hinton K， Boucher RC， Pickles R， et al.在免疫保护之前对 SARS-CoV-2 呼吸道感染进行建模。生物物理学报 2022;121（9）：1619–31.Epub 20220402。pmid：35378080;PubMed Central PMCID：PMC8975607。

查看文章PubMed/NCBI谷歌学术搜索

68.Aponte-Serrano JO， Weaver JJA， Sego TJ， Glazier JA， Shoemaker JE.RNA病毒复制和干扰素反应的多细胞空间模型揭示了控制斑块生长动力学的因素。公共科学图书馆计算生物学. 2021;17（10）：e1008874.Epub 20211025。pmid：34695114;PubMed Central PMCID：PMC8608315。

查看文章PubMed/NCBI谷歌学术搜索

69.Radev ST， Mertens UK， Voss A， Ardizzone L， Kothe U. BayesFlow： Learning Complex Stochastic Model with Invertible Neural Networks.IEEE 跨神经网络学习系统 2022;33（4）：1452–66.Epub 20220404。PMID：33338021。

查看文章PubMed/NCBI谷歌学术搜索

70.Durso-Cain K， Kumberger P， Schalte Y， Fink T， Dahari H， Hasenauer J， et al. HCV传播动力学揭示了传播模式对感染动力学的不同贡献。病毒。2021;13(7).Epub 20210706。pmid：34372514;PubMed Central PMCID：PMC8310333。

查看文章PubMed/NCBI谷歌学术搜索

71.塞戈 TJ， 阿蓬特-塞拉诺 JO， 詹卢皮 JF， 格拉齐尔 JA.从常微分方程生成种群动态的多细胞时空模型，并在病毒感染中应用。生物化学. 2021;19（1）：196.Epub 20210908。pmid：34496857;PubMed Central PMCID：PMC8424622。

查看文章PubMed/NCBI谷歌学术搜索