Metformin to decrease COVID-19 severity and mortality: Molecular mechanisms and therapeutic potential
Notice bibliographique
Résumé
The COVID-19 pandemic caused by the coronavirus SARS-CoV-2 has become a serious challenge for medicine and science. Analysis of the molecular mechanisms associated with the clinical manifestations and severity of COVID-19 has identified several key points of immune dysregulation observed in SARS-CoV-2 infection. For diabetic patients, factors including higher binding affinity and virus penetration, decreased virus clearance and decreased T cell function, increased susceptibility to hyperinflammation, and cytokine storm may make these patients susceptible to a more severe course of COVID-19 disease. Metabolic changes induced by diabetes, especially hyperglycemia, can directly affect the immunometabolism of lymphocytes in part by affecting the activity of the mTOR protein kinase signaling pathway. High mTOR activity can enhance the progression of diabetes due to the activation of effector proinflammatory subpopulations of lymphocytes and, conversely, low activity promotes the differentiation of T-regulatory cells. Interestingly, metformin, an extensively used antidiabetic drug, inhibits mTOR by affecting the activity of AMPK. Therefore, activation of AMPK and/or inhibition of the mTOR-mediated signaling pathway may be an important new target for drug therapy in COVID-19 cases mostly by reducing the level of pro-inflammatory signaling and cytokine storm. These suggestions have been partially confirmed by several retrospective analyzes of patients with diabetes mellitus hospitalized for severe COVID-19.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».