In Vitro Evaluation of Antisense RNA Efficacy against Filovirus Infection, by Use of Reverse Genetics
Notice bibliographique
Résumé
BACKGROUND: Recent reports indicate the possibility of using small interfering RNAs (siRNAs) to treat filovirus infections; however, they also show that the effectiveness of this approach is highly dependent on target site selection. Therefore, we explored the application of minigenomes as screening tools to identify functional siRNA targets under biosafety level 2 conditions. METHODS: siRNA candidates were screened using the minigenome system to identify those with potential antiviral activity, compared with controls with poor predicted function on the basis of design guidelines, or those that were noncomplementary to Zaire ebolavirus (ZEBOV). These findings were then validated in cell culture by use of a previously developed ZEBOV expressing green fluorescent protein (ZEBOV-GFP), which allowed siRNA function to be easily assessed via flow cytometry or focus formation. RESULTS: The most promising siRNA based on minigenome screening, targeting the nucleoprotein (NP) mRNA (ZNP1), also reduced protein expression and decreased viral titers after infection with ZEBOV-GFP to an extent similar to that reported for an siRNA recently shown to be therapeutic in guinea pigs. CONCLUSIONS: Minigenome screening appears to be an effective and convenient method of evaluating the therapeutic potential of siRNA targets, and findings suggest that its use would increase success rates in later stages of siRNA testing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».