In vivo expressed biologics for infectious disease prophylaxis: rapid delivery of DNA-based antiviral antibodies
Notice bibliographique
Résumé
With increasing frequency, humans are facing outbreaks of emerging infectious diseases (EIDs) with the potential to cause significant morbidity and mortality. In the most extreme instances, such outbreaks can become pandemics, as we are now witnessing with COVID-19. According to the World Health Organization, this new disease, caused by the novel coronavirus SARS-CoV-2, has already infected more than 10 million people worldwide and led to 499,913 deaths as of 29 June, 2020. How high these numbers will eventually go depends on many factors, including policies on travel and movement, availability of medical support, and, because there is no vaccine or highly effective treatment, the pace of biomedical research. Other than an approved antiviral drug that can be repurposed, monoclonal antibodies (mAbs) hold the most promise for providing a stopgap measure to lessen the impact of an outbreak while vaccines are in development. Technical advances in mAb identification, combined with the flexibility and clinical experience of mAbs in general, make them ideal candidates for rapid deployment. Furthermore, the development of mAb cocktails can provide a faster route to developing a robust medical intervention than searching for a single, outstanding mAb. In addition, mAbs are well-suited for integration into platform technologies for delivery, in which minimal components need to be changed in order to be redirected against a novel pathogen. In particular, utilizing the manufacturing and logistical benefits of DNA-based platform technologies in order to deliver one or more antiviral mAbs has the potential to revolutionize EID responses.
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 | 0,001 |
| 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) | 0,000 | 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 ».