MétaCan
Menu
Retour à la cohorte
Enregistrement W4319160856 · doi:10.3389/fmolb.2023.1104577

Specialized pro-resolving lipid mediators regulate inflammatory macrophages: A paradigm shift from antibiotics to immunotherapy for mitigating COVID-19 pandemic

2023· review· en· W4319160856 sur OpenAlexaff
Vikram Kumar, Nusrath Yasmeen, Anis Ahmad Chaudhary, Abdullah S. Alawam, Mohammed Al‐Zharani, Nosiba S. Basher, S Harikrishnan, Muddapuram Deeksha Goud, Aishwarya Pandey, Sudarshan Singh Lakhawat, Pushpender Kumar Sharma

Notice bibliographique

RevueFrontiers in Molecular Biosciences · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesAmity Institute of Biotechnology, Amity UniversityAl-Imam Muhammad Ibn Saud Islamic UniversityAmity University
Mots-clésCytokine stormARDSImmunologyMedicineCytokineInflammationProinflammatory cytokinePopulationMacrophage activation syndromeDiseaseLungInternal medicineInfectious disease (medical specialty)ArthritisCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

The most severe clinical manifestations of the horrifying COVID-19 disease, that claimed millions of lives during the pandemic time, were Acute respiratory distress syndrome (ARDS), Coagulopathies, septic shock leading eventually to death. ARDS was a consequence of Cytokine storm. The viral SARS-COV2infection lead to avalanche of cytokines and eicosanoids causing "cytokine storm" and "eicosanoid storm." Cytokine storm is one of the macrophage-derived inflammatory responses triggered by binding of virus particles to ACE2 receptors of alveolar macrophages, arise mainly due to over production of various pro-inflammatory mediators like cytokines, e.g., interleukin (IL)-1, IL-2, and tumor necrosis factor (TNF)- α, causing pulmonary edema, acute respiratory distress, and multi-organ failure. Cytokine storm was regarded as the predictor of severity of the disease and was deemed one of the causes of the high mortality rates due to the COVID-19. The basis of cytokine storm is imbalanced switching between an inflammation increasing - pro-inflammatory (M1) and an inflammation regulating-anti-inflammatory (M2) forms of alveolar macrophages which further deteriorates if opportunistic secondary bacterial infections prevail in the lungs. Lack of sufficient knowledge regarding the virus and its influence on co-morbidities, clinical treatment of the diseases included exorbitant use of antibiotics to mitigate secondary bacterial infections, which led to the unwarranted development of multidrug resistance (MDR) among the population across the globe. Antimicrobial resistance (AMR) needs to be addressed from various perspectives as it may deprive future generations of the basic health immunity. Specialized pro-resolving mediators (SPMs) are generated from the stereoselective enzymatic conversions of essential fatty acids that serve as immune resolvents in controlling acute inflammatory responses. SPMs facilitate the clearance of injured tissue and cell debris, the removal of pathogens, and augment the concentration of anti-inflammatory lipid mediators. The SPMs, e.g., lipoxins, protectins, and resolvins have been implicated in exerting inhibitory influence on with cytokine storm. Experimental evidence suggests that SPMS lower antibiotic requirement. Therefore, in this review potential roles of SPMs in enhancing macrophage polarization, triggering immunological functions, hastening inflammation resolution, subsiding cytokine storm and decreasing antibiotic requirement that can reduce AMR load are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,042
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,439
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Molecular BiosciencesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207