Development of a Zebrafish Sepsis Model for High-Throughput Drug Discovery
Notice bibliographique
Résumé
Sepsis is a leading cause of death worldwide. Current treatment modalities remain largely supportive. Intervention strategies focused on inhibiting specific mediators of the inflammatory host response have been largely unsuccessful, a consequence of an inadequate understanding of the complexity and heterogeneity of the innate immune response. Moreover, the conventional drug-development pipeline is time-consuming and expensive, and the low success rates associated with cell-based screens underline the need for whole-organism screening strategies, especially for complex pathological processes. Here, we established a lipopolysaccharide (LPS)-induced zebrafish endotoxemia model, which exhibits the major hallmarks of human sepsis, including edema and tissue/organ damage, increased vascular permeability and vascular leakage accompanied by altered expression of cellular junction proteins, increased cytokine expression, immune cell activation and reactive oxygen species (ROS) production, reduced circulation and increased platelet aggregation. We tested the suitability of the model for phenotype-based drug screening using three primary readouts: mortality, vascular leakage and ROS production. Preliminary screening identified fasudil, a drug known to protect against vascular leakage in murine models, as a lead hit, thereby validating the utility of our model for sepsis drug screens. This zebrafish sepsis model has the potential to rapidly analyze sepsis-associated pathologies and cellular processes in the whole organism, as well as to screen and validate many compounds that can modify sepsis pathology in vivo.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».