Current Status of Baricitinib as a Repurposed Therapy for COVID-19
Notice bibliographique
Résumé
The emergence of the COVID-19 pandemic has mandated the instant (re)search for potential drug candidates. In response to the unprecedented situation, it was recognized early that repurposing of available drugs in the market could timely save lives, by skipping the lengthy phases of preclinical and initial safety studies. BenevolentAI's large knowledge graph repository of structured medical information suggested baricitinib, a Janus-associated kinase inhibitor, as a potential repurposed medicine with a dual mechanism; hindering SARS-CoV2 entry and combatting the cytokine storm; the leading cause of mortality in COVID-19. However, the recently-published Adaptive COVID-19 Treatment Trial-2 (ACTT-2) positioned baricitinib only in combination with remdesivir for treatment of a specific category of COVID-19 patients, whereas the drug is not recommended to be used alone except in clinical trials. The increased pace of data output in all life sciences fields has changed our understanding of data processing and manipulation. For the purpose of drug design, development, or repurposing, the integration of different disciplines of life sciences is highly recommended to achieve the ultimate benefit of using new technologies to mine BIG data, however, the final say remains to be concluded after the drug is used in clinical practice. This review demonstrates different bioinformatics, chemical, pharmacological, and clinical aspects of baricitinib to highlight the repurposing journey of the drug and evaluates its placement in the current guidelines for COVID-19 treatment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».