Systematic review of extracellular vesicle‐based treatments for lung injury: are EVs a potential therapy for COVID‐19?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Severe COVID-19 infection results in bilateral interstitial pneumonia, often leading to acute respiratory distress syndrome (ARDS) and pulmonary fibrosis in survivors. Most patients with severe COVID-19 infections who died had developed ARDS. Currently, ARDS is treated with supportive measures, but regenerative medicine approaches including extracellular vesicle (EV)-based therapies have shown promise. Herein, we aimed to analyse whether EV-based therapies could be effective in treating severe pulmonary conditions that affect COVID-19 patients and to understand their relevance for an eventual therapeutic application to human patients. Using a defined search strategy, we conducted a systematic review of the literature and found 39 articles (2014-2020) that reported effects of EVs, mainly derived from stem cells, in lung injury models (one large animal study, none in human). EV treatment resulted in: (1) attenuation of inflammation (reduction of pro-inflammatory cytokines and neutrophil infiltration, M2 macrophage polarization); (2) regeneration of alveolar epithelium (decreased apoptosis and stimulation of surfactant production); (3) repair of microvascular permeability (increased endothelial cell junction proteins); (4) prevention of fibrosis (reduced fibrin production). These effects were mediated by the release of EV cargo and identified factors including miRs-126, -30b-3p, -145, -27a-3p, syndecan-1, hepatocyte growth factor and angiopoietin-1. This review indicates that EV-based therapies hold great potential for COVID-19 related lung injuries as they target multiple pathways and enhance tissue regeneration. However, before translating EV therapies into human clinical trials, efforts should be directed at developing good manufacturing practice solutions for EVs and testing optimal dosage and administration route in large animal models.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle