Targeting MMP-Regulation of Inflammation to Increase Metabolic Tolerance to COVID-19 Pathologies: A Hypothesis
Notice bibliographique
Résumé
Many individuals infected with the severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) develop no or only mild symptoms, but some can go on onto develop a spectrum of pathologies including pneumonia, acute respiratory distress syndrome, respiratory failure, systemic inflammation, and multiorgan failure. Many pathogens, viral and non-viral, can elicit these pathologies, which justifies reconsidering whether the target of therapeutic approaches to fight pathogen infections should be (a) the pathogen itself, (b) the pathologies elicited by the pathogen interaction with the human host, or (c) a combination of both. While little is known about the immunopathology of SARS-CoV-2, it is well-established that the above-mentioned pathologies are associated with hyper-inflammation, tissue damage, and the perturbation of target organ metabolism. Mounting evidence has shown that these processes are regulated by endoproteinases (particularly, matrix metalloproteinases (MMPs)). Here, we review what is known about the roles played by MMPs in the development of COVID-19 and postulate a mechanism by which MMPs could influence energy metabolism in target organs, such as the lung. Finally, we discuss the suitability of MMPs as therapeutic targets to increase the metabolic tolerance of the host to damage inflicted by the pathogen infection, with a focus on SARS-CoV-2.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».