Extracellular Vesicles Loaded with Long Antisense RNAs Repress Severe Acute Respiratory Syndrome Coronavirus 2 Infection
Notice bibliographique
Résumé
Long antisense RNAs (asRNAs) have been observed to repress HIV and other virus expression in a manner that is refractory to viral evolution. Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the causative agent of the coronavirus disease 2019 (COVID-19) disease, has a distinct ability to evolve resistance around antibody targeting, as was evident from the emergence of various SARS-CoV-2 spike antibody variants. Importantly, the effectiveness of current antivirals is waning due to the rapid emergence of new variants of concern, more recently the omicron variant. One means of avoiding the emergence of viral resistance is by using long asRNA to target SARS-CoV-2. Similar work has proven successful with HIV targeting by long asRNA. In this study, we describe a long asRNA targeting SARS-CoV-2 RNA-dependent RNA polymerase gene and the ability to deliver this RNA in extracellular vesicles (EVs) to repress virus expression. The observations presented in this study suggest that EV-delivered asRNAs are one means to targeting SARS-CoV-2 infection, which is both effective and broadly applicable as a means to control viral expression in the absence of mutation. This is the first demonstration of the use of engineered EVs to deliver long asRNA payloads for antiviral therapy.
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 ».