Alpha-1 Antitrypsin for COVID-19 Treatment: Dual Role in Antiviral Infection and Anti-Inflammation
Notice bibliographique
Résumé
Many drugs have been approved for clinical trials for the treatment of COVID-19 disease, focusing on either antiviral or anti-inflammatory approaches. Combining antiviral and anti-inflammatory drugs or therapies together may be more effective. Human alpha-1 antitrypsin (A1AT) is a blood circulating glycoprotein that is best known as a protease inhibitor. It has been used to treat emphysema patients with A1AT deficiency for decades. We and others have demonstrated its role in reducing acute lung injury by inhibiting inflammation, cell death, coagulation, and neutrophil elastase activation. Recently, A1AT has been found to inhibit severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection by inhibiting transmembrane serine protease 2 (TMPRSS2), a protease involved in the entry of SARS-CoV-2 into host cells. This dual role of both antiviral infection and anti-inflammation makes A1AT a unique and excellent candidate for COVID-19 treatment. Three clinical trials of A1AT for COVID-19 treatment have recently been approved in several countries. It is important to determine whether A1AT can prevent the progress from moderate to severe lung injury and eventually to be used to treat COVID-19 patients with acute respiratory distress syndrome.
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 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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».