MétaCan
Menu
Retour à la cohorte
Enregistrement W3049581749 · doi:10.1111/cts.12862

Effect of Common Medications on the Expression of SARS‐CoV‐2 Entry Receptors in Kidney Tissue

2020· article· en· W3049581749 sur OpenAlexaff
Narjes Saheb Sharif‐Askari, Fatemeh Saheb Sharif‐Askari, Mashael Alabed, Ahmad Abou Tayoun, Tom Loney, Mohammed Uddin, Abiola Senok, Saba Al Heialy, Rifat Hamoudi, Tarek Kashour, Alawi Alsheikh‐Ali, Qutayba Hamid, Rabih Halwani

Notice bibliographique

RevueClinical and Translational Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesKing Saud University
Mots-clésMedicineTMPRSS2KidneyPharmacologyAcute kidney injuryEnalaprilInternal medicineAngiotensin-converting enzymeDiseaseBlood pressureCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

Besides the respiratory system, severe acute respiratory syndrome-coronavirus 2 (SARS-CoV-2) infection was shown to affect other essential organs such as the kidneys. Early kidney involvement during the course of infection was associated with worse outcomes, which could be attributed to the direct SARS-CoV-2 infection of kidney cells. In this study, the effect of commonly used medications on the expression of SARS-CoV-2 receptor, angiotensin-converting enzyme (ACE)2, and TMPRSS2 protein in kidney tissues was evaluated. This was done by in silico analyses of publicly available transcriptomic databases of kidney tissues of rats treated with multiple doses of commonly used medications. Of 59 tested medications, 56% modified ACE2 expression, whereas 24% modified TMPRSS2 expression. ACE2 was increased with only a few of the tested medication groups, namely the renin-angiotensin inhibitors, such as enalapril, antibacterial agents, such as nitrofurantoin, and the proton pump inhibitor, omeprazole. The majority of the other medications decreased ACE2 expression to variable degrees with allopurinol and cisplatin causing the most noticeable downregulation. The expression level of TMPRSS2 was increased with a number of medications, such as diclofenac, furosemide, and dexamethasone, whereas other medications, such as allopurinol, suppressed the expression of this gene. The prolonged exposure to combinations of these medications could regulate the expression of ACE2 and TMPRSS2 in a way that may affect kidney susceptibility to SARS-CoV-2 infection. Data presented here suggest that we should be vigilant about the potential effects of commonly used medications on kidney tissue expression of ACE2 and TMPRSS2.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,500
Écart entre enseignants0,393 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Translational ScienceMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207