In search of preventative strategies: novel high-CBD <i>cannabis sativa</i> extracts modulate ACE2 expression in COVID-19 gateway tissues
Notice bibliographique
Résumé
With the current COVID-19 pandemic, caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), there is an urgent need for new therapies and prevention strategies that can help curtail disease spread and reduce mortality. The inhibition of viral entry and thus spread is a plausible therapeutic avenue. SARS-CoV-2 uses receptor-mediated entry into a human host via the angiotensin-converting enzyme 2 (ACE2), which is expressed in lung tissue as well as the oral and nasal mucosa, kidney, testes and gastrointestinal tract. The modulation of ACE2 levels in these gateway tissues may be an effective strategy for decreasing disease susceptibility. Cannabis sativa, especially those high in the anti-inflammatory cannabinoid cannabidiol (CBD), has been found to alter gene expression and inflammation and harbour anti-cancer and anti-inflammatory properties. However, its effects on ACE2 expression remain unknown. Working under a Health Canada research license, we developed over 800 new C. sativa cultivars and hypothesized that high-CBD C. sativa extracts may be used to down-regulate ACE2 expression in target COVID-19 tissues. Using artificial 3D human models of oral, airway and intestinal tissues, we identified 13 high-CBD C. sativa extracts that decrease ACE2 protein levels. Some C. sativa extracts down-regulate serine protease TMPRSS2, another critical protein required for SARS-CoV-2 entry into host cells. While our most effective extracts require further large-scale validation, our study is important for future analyses of the effects of medical cannabis on COVID-19. The extracts of our most successful novel high-CBD C. sativa lines, pending further investigation, may become a useful and safe addition to the prevention/treatment of COVID-19 as an adjunct therapy.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».