A systematic review of the literature on the relationship between ace2 and sars-cov infection in animal models
Notice bibliographique
Résumé
Background: similar to the severe acute respiratory syndrome coronavirus (SARS-CoV), research suggests severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) interacts with angiotensin-converting enzyme 2 (ACE2) to gain entry into cells. The primary objective is to synthesize existing animal model research on the association between ACE2 and severe acute respiratory syndrome (SARS) infection. The secondary objective is to describe the consequences of infection on ACE2 expression. Methods: we performed a systematic literature search of Medline, Embase, and Global Health databases. We included animal studies on the connection between SARS-CoV infection and variations in ACE2 receptor or expression thereof. Included studies were assessed for quality using the CAMARADES checklist. Results: we included nine studies, all determining the role of ACE2 in SARS-CoV infections. Five low to moderate quality studies showed that increased ACE2 expression was correlated with increased SARS-CoV infection. Five low to moderate quality studies showed post-infection downregulation of ACE2 to be associated with increased clinical symptoms, morbidity, and mortality. Conclusion: this review shows that pre-infection, greater ACE2 expression correlates with increased infection leading to worse clinical outcomes. Assuming similar mechanisms for SARS-CoV-2 as in SARS-CoV, it is plausible that ACE2 has some role and impact in COVID-19 infections. Further high-quality animal model research is needed to determine the role of ACE2, specifically in COVID-19 infections. © 2021, University of Toronto. All rights reserved.
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 | 0,003 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,002 |
| 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 ».