The Nucleoside/Nucleotide Analogs Tenofovir and Emtricitabine Are Inactive against SARS-CoV-2
Notice bibliographique
Résumé
The urgent response to the COVID-19 pandemic required accelerated evaluation of many approved drugs as potential antiviral agents against the causative pathogen, severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Using cell-based, biochemical, and modeling approaches, we studied the approved HIV-1 nucleoside/tide reverse transcriptase inhibitors (NRTIs) tenofovir (TFV) and emtricitabine (FTC), as well as prodrugs tenofovir alafenamide (TAF) and tenofovir disoproxilfumarate (TDF) for their antiviral effect against SARS-CoV-2. A comprehensive set of in vitro data indicates that TFV, TAF, TDF, and FTC are inactive against SARS-CoV-2. None of the NRTIs showed antiviral activity in SARS-CoV-2 infected A549-hACE2 cells or in primary normal human lung bronchial epithelial (NHBE) cells at concentrations up to 50 µM TAF, TDF, FTC, or 500 µM TFV. These results are corroborated by the low incorporation efficiency of respective NTP analogs by the SARS-CoV-2 RNA-dependent-RNA polymerase (RdRp), and lack of the RdRp inhibition. Structural modeling further demonstrated poor fitting of these NRTI active metabolites at the SARS-CoV-2 RdRp active site. Our data indicate that the HIV-1 NRTIs are unlikely direct-antivirals against SARS-CoV-2, and clinicians and researchers should exercise caution when exploring ideas of using these and other NRTIs to treat or prevent 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 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 | 0,000 | 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 ».