Design and evaluation of small interfering RNAs for the treatment of Severe Acute Respiratory Syndrome-Coronavirus-2
Notice bibliographique
Résumé
SARS-CoV-2 is the virus responsible for the COVID-19 pandemic. As the 2019 coronavirus disease continues to spread, it will be useful to have as many effective treatment options as possible. This research has the potential to create a siRNA treatment that is safe, effective, and practical in design and administration; 192 siRNAs were designed to target conserved regions of the SARS-CoV-2 genome. The first aim of this study is to confirm, via sequence analysis, that these target sites have remained highly conserved over the course of the pandemic. Multiple sequence alignments were generated for the first half of 30,312 full SARS-CoV-2 genomes, which were averaged and compared with the Wuhan-Hu-1 reference genome. Most target sites maintained a very high level of conservation, suggesting that potential repressor siRNAs could be effective in a majority of infected individuals. To evaluate the efficacy of the 192 test siRNAs, we cloned sections of the SARS-CoV-2 RNA genome into GFP fusion genes. Some of these constructs were transfected in different conditions to set up a screening assay based on GFP expression. Preliminary data on the setup of this GFP reporter assay show that the M, N, E, ORF8, and ORF10 constructs produced a good GFP signal, whereas the S, F1, F2 and F3 constructs did not produce a sufficiently strong GFP signal to detect above background. In a preliminary experiment, we evaluated siRNAs targeting the M, N, and E open reading frames and found some to be efficacious. Future directions for this project include generating alignments of the second half of the SARS-CoV-2 genome for a complete sequence conservation estimate, and cell metabolism assays for supplementing visual observations of siRNA toxicity, optimization of GFP readout, and screening of all designed siRNAs.
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 | 0,004 | 0,000 |
| 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 | 0,001 | 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 ».