MétaCan
Menu
← Retour à la cohorte
Enregistrement W3172723316 · doi:10.1101/2021.06.12.448196

Exposure route, sex, and age influence disease outcome in a golden Syrian hamster model of SARS-CoV-2 infection

2021· preprint· en· W3172723316 sur OpenAlexaff
Bryan D. Griffin, Bryce M. Warner, Mable Chan, Emelissa J. Mendoza, Nikesh Tailor, Logan Banadyga, Anders Leung, Shihua He, Amrit S. Boese, Jonathan Audet, Wenguang Cao, Estella Moffat, Lauren Garnett, Kevin Tierney, Kaylie N. Tran, Alixandra Albietz, Kathy Manguiat, Geoff Soule, Alexander Bello, Robert Vendramelli, Jessica Lin, Yvon Deschambault, Wenjun Zhu, David Safronetz, Heidi Wood, Samira Mubareka, James E. Strong, Carissa Embury‐Hyatt, Darwyn Kobasa

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensSunnybrook HospitalUniversity of TorontoCanadian Science Centre for Human and Animal HealthCanadian Food Inspection AgencySunnybrook Health Science CentreUniversity of ManitobaPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésRespiratory tractMedicineHamsterNasal administrationTiterMesocricetusViral sheddingImmunologyDiseaseVirologyPathogenesisRespiratory systemGolden hamsterPhysiologyInternal medicineVirus

Résumé

récupéré en direct d'OpenAlex

Abstract The emergence of Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and the resultant pandemic of coronavirus disease 2019 (COVID-19) has led to over one hundred million confirmed infections, greater than three million deaths, and severe economic and social disruption. Animal models of SARS-CoV-2 are critical tools for the pre-clinical evaluation of antivirals, vaccines, and candidate therapeutics currently under urgent development to curb COVID-19-associated morbidity and mortality. The golden (Syrian) hamster model of SARS-CoV-2 infection recapitulates key characteristics of severe COVID-19, including high-titer viral replication in the upper and lower respiratory tract and the development of pathogenic lesions in the lungs. In this work we examined the influence of the route of exposure, sex, and age on SARS-CoV-2 pathogenesis in golden hamsters. We report that delivery of SARS-CoV-2 primarily to the nasal passages (low-volume intranasal), the upper and lower respiratory tract (high-volume intranasal), or the digestive tract (intragastric) results in comparable viral titers in the lung tissue and similar levels of viral shedding during acute infection. However, low-volume intranasal exposure results in milder weight loss during acute infection while intragastric exposure leads to a diminished capacity to regain body weight following the period of acute illness. Further, we examined both sex and age differences in response to SARS-CoV-2 infection. Male hamsters, and to a greater extent older male hamsters, display an impaired capacity to recover from illness and a delay in viral clearance compared to females. Lastly, route of exposure, sex, and age were found to influence the nature of the host inflammatory cytokine response, but they had a minimal effect on both the quality and durability of the humoral immune response as well as the susceptibility of hamsters to SARS-CoV-2 re-infection. Together, these data indicate that the route of exposure, sex, and age have a meaningful impact SARS-CoV-2 pathogenesis in hamsters and that these variables should be considered when designing pre-clinical challenge studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,350
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→