The Anti-Viral Applications of Marine Resources for COVID-19 Treatment: An Overview
Notice bibliographique
Résumé
The ongoing pandemic has led to an urgent need for novel drug discovery and potential therapeutics for Sars-CoV-2 infected patients. Although Remdesivir and the anti-inflammatory agent dexamethasone are currently on the market for treatment, Remdesivir lacks full efficacy and thus, more drugs are needed. This review was conducted through literature search of PubMed, MDPI, Google Scholar and Scopus. Upon review of existing literature, it is evident that marine organisms harbor numerous active metabolites with anti-viral properties that serve as potential leads for COVID-19 therapy. Inorganic polyphosphates (polyP) naturally found in marine bacteria and sponges have been shown to prevent viral entry, induce the innate immune response, and downregulate human ACE-2. Furthermore, several marine metabolites isolated from diverse sponges and algae have been shown to inhibit main protease (Mpro), a crucial protein required for the viral life cycle. Sulfated polysaccharides have also been shown to have potent anti-viral effects due to their anionic properties and high molecular weight. Likewise, select marine sponges produce bromotyrosines which have been shown to prevent viral entry, replication and protein synthesis. The numerous compounds isolated from marine resources demonstrate significant potential against COVID-19. The present review for the first time highlights marine bioactive compounds, their sources, and their anti-viral mechanisms of action, with a focus on potential 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».