Anthracyclines inhibit SARS-CoV-2 infection
Notice bibliographique
Résumé
ABSTRACT Vaccines and drugs are two effective medical interventions to mitigate SARS-CoV-2 infection. Three SARS-CoV-2 inhibitors, remdesivir, paxlovid, and molnupiravir, have been approved for treating COVID-19 patients, but more are needed, because each drug has its limitation of usage and SARS-CoV-2 constantly develops drug resistance mutations. In addition, SARS-CoV-2 drugs have the potential to be repurposed to inhibit new human coronaviruses, thus help to prepare for future coronavirus outbreaks. We have screened a library of microbial metabolites to discover new SARS-CoV-2 inhibitors. To facilitate this screening effort, we generated a recombinant SARS-CoV-2 Delta variant carrying the nano luciferase as a reporter for measuring viral infection. Six compounds were found to inhibit SARS-CoV-2 at the half maximal inhibitory concentration (IC50) below 1 μM, including the anthracycline drug aclarubicin that markedly reduced viral RNA-dependent RNA polymerase (RdRp)-mediated gene expression, whereas other anthracyclines inhibited SARS-CoV-2 by activating the expression of interferon and antiviral genes. As the most commonly prescribed anti-cancer drugs, anthracyclines hold the promise of becoming new SARS-CoV-2 inhibitors. IMPORTANCE Microbial metabolites are a rich source of bioactive molecules. The best examples are antibiotics and immunosuppressants that have transformed the practice of modern medicine and saved millions of lives. Recently, some microbial metabolites were reported to have antiviral activity, including the inhibition of Zika virus and Ebola virus. In this study, we discovered several microbial metabolites that effectively inhibit SARS-CoV-2 infection, including anthracyclines that have also been shown to inhibit other viruses including Ebola virus through enhancing interferon responses, which indicates potentially broad antiviral properties of these microbial metabolites and can lead to the discovery of pan-antiviral molecules.
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) | 0,003 | 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 ».