Bioluminescence imaging reveals enhanced SARS-CoV-2 clearance in mice with combinatorial regimens
Notice bibliographique
Résumé
Direct acting antivirals (DAAs) represent critical tools for combating severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) variants of concern (VOCs) that have escaped vaccine-elicited spike-based immunity and future coronaviruses with pandemic potential. Here, we used bioluminescence imaging to evaluate therapeutic efficacy of DAAs that target SARS-CoV-2 RNA-dependent RNA polymerase (favipiravir, molnupiravir) or main protease (nirmatrelvir) against Delta or Omicron VOCs in K18-hACE2 mice. Nirmatrelvir displayed the best efficacy followed by molnupiravir and favipiravir in suppressing viral loads in the lung. Unlike neutralizing antibody treatment, DAA monotherapy regimens did not eradicate SARS-CoV-2 in mice, but combining molnupiravir with nirmatrelvir exhibited superior additive efficacy and led to virus clearance. Furthermore, combining molnupiravir with caspase-1/4 inhibitor mitigated inflammation and lung pathology whereas combining molnupiravir with COVID-19 convalescent plasma demonstrated synergy, rapid virus clearance, and 100% survival. Thus, our study provides insights into in vivo treatment efficacies of DAAs and other effective combinations to bolster COVID-19 therapeutic arsenal.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».