Generation of a SARS-CoV-2 Reverse Genetics System and Novel Human Lung Cell Lines That Exhibit High Virus-Induced Cytopathology
Notice bibliographique
Résumé
The global COVID-19 pandemic continues with continued cases worldwide and the emergence of new SARS-CoV-2 variants. In our study, we have developed novel tools with applications for screening antivirals, identifying virus-host dependencies, and characterizing viral variants. Using reverse genetics, we rescued SARS-CoV-2 Wuhan1 (D614G variant) wild type (WTFL) and reporter virus (NLucFL) using molecular BAC clones. The replication kinetics, plaque morphology, and titers were comparable between viruses rescued from molecular clones and a clinical isolate (VIDO-01 strain). Furthermore, the reporter SARS-CoV-2 NLucFL virus exhibited robust luciferase values over the time course of infection and was used to develop a rapid antiviral assay using remdesivir as proof-of-principle. In addition, as a tool to study lung-relevant virus-host interactions, we established novel human lung cell lines that support SARS-CoV-2 infection with high virus-induced cytopathology. Six lung cell lines (NCI-H23, A549, NCI-H1703, NCI-H520, NCI-H226, and HCC827) and HEK293T cells were transduced to stably express ACE2 and tested for their ability to support virus infection. A549ACE2 B1 and HEK293TACE2 A2 cell lines exhibited more than 70% virus-induced cell death, and a novel lung cell line, NCI-H23ACE2 A3, showed about ~99% cell death post-infection. These cell lines are ideal for assays relying on live-dead selection, such as CRISPR knockout and activation screens.
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 | 0,000 | 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) | 0,000 | 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 ».