Exosomes of mesenchymal stem cells as nano-cargos for anti-SARS-CoV-2 asRNAs
Notice bibliographique
Résumé
The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) emerged in December 2019 and rapidly spread worldwide. Since then, scientists have searched to find an effective treatment for coronavirus disease 2019 . In this regard, several antiviral drugs are currently undergoing clinical trial studies to evaluate their safety and efficacy in the treatment of COVID-19. Some of these drugs have been designed based on this fact that SARS-CoV-2 is a positive-sense single-stranded RNA virus and previous studies showed the efficacy of anti-RNA virus, single strand RNA inhibiting antisense RNAs (asRNAs), for silencing virus replication, in vitro. Exosomes can be suggested as a promising candidate to transfer the anti-SARS-CoV-2 asRNAs to human respiratory epithelium. Exosomes are secreted by mesenchymal stem cells (MSCs) and can be loaded by asRNAs of an anti-RNA virus. MSCs-secreted exosomes as a nano-cargo of asRNAs of anti-SARS-CoV-2 have other therapeutic potentials such as immunomodulatory effects of their cytokine contents, affinity to respiratory epithelial attachment, anti-fibrotic activity in lung, non-toxicity for normal cells, and not triggering an immune response. Moreover, inhalation of anti-SARS-CoV-2 asRNAs may stop SARS-CoV-2 replication. Producing specific anti-SARS-CoV-2 asRNAs by targeting the genome of virus and their delivery by MSCs exosomes are suggested and discussed. This approach will potentially shed light on gene therapy of the other human lung diseases via inhalational delivery using exosomes in future.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».