Effect of Common Medications on the Expression of SARS‐CoV‐2 Entry Receptors in Kidney Tissue
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
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.
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 | 0,027 |
| 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 | 0,002 |
| 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 découle