Prospects for RNAi Therapy of COVID-19
Notice bibliographique
Résumé
COVID-19 caused by the SARS-CoV-2 virus is a fast emerging disease with deadly consequences. The pulmonary system and lungs in particular are most prone to damage caused by the SARS-CoV-2 infection, which leaves a destructive footprint in the lung tissue, making it incapable of conducting its respiratory functions and resulting in severe acute respiratory disease and loss of life. There were no drug treatments or vaccines approved for SARS-CoV-2 at the onset of pandemic, necessitating an urgent need to develop effective therapeutics. To this end, the innate RNA interference (RNAi) mechanism can be employed to develop front line therapies against the virus. This approach allows specific binding and silencing of therapeutic targets by using short interfering RNA (siRNA) and short hairpin RNA (shRNA) molecules. In this review, we lay out the prospect of the RNAi technology for combatting the COVID-19. We first summarize current understanding of SARS-CoV-2 virology and the host response to viral entry and duplication, with the purpose of revealing effective RNAi targets. We then summarize the past experience with nucleic acid silencers for SARS-CoV, the predecessor for current SARS-CoV-2. Efforts targeting specific protein-coding regions within the viral genome and intragenomic targets are summarized. Emphasizing non-viral delivery approaches, molecular underpinnings of design of RNAi agents are summarized with comparative analysis of various systems used in the past. Promising viral targets as well as host factors are summarized, and the possibility of modulating the immune system are presented for more effective therapies. We place special emphasis on the limitations of past studies to propel the field faster by focusing on most relevant models to translate the promising agents to a clinical setting. Given the urgency to address lung failure in COVID-19, we summarize the feasibility of delivering promising therapies by the inhalational route, with the expectation that this route will provide the most effective intervention to halt viral spread. We conclude with the authors' perspectives on the future of RNAi therapeutics for combatting SARS-CoV-2. Since time is of the essence, a strong perspective for the path to most effective therapeutic approaches are clearly articulated by the authors.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».