Rapid Development of Small Rodent Animal Models for Infectious Disease Research Through Vectorized Receptor Molecule Expression
Notice bibliographique
Résumé
families, resulting in widespread infections. The continual emergence of zoonotic viral pathogens and associated infections highlights the need for prevention strategies and effective treatments. Central to this effort is the availability of suitable animal models, which are essential for understanding pathogenesis and assessing transmission dynamics. These animals are also critical for evaluating the safety and efficacy of novel vaccines or therapeutics and are essential in facilitating regulatory approval of new products. Rapid development of animal models is an integral aspect of pandemic response and preparedness; however, their establishment is fraught by several rate-limiting steps, including selection of a suitable species, the logistical challenges associated with sharing and disseminating transgenic animals (e.g., the time-intensive nature of breeding and maintaining colonies), the availability of technical expertise, as well as ethical and regulatory approvals. A method for the rapid development of relevant animal models that has recently gained traction, in large part due to the COVID-19 pandemic, is the use of gene therapy vectors to express human viral receptors in readily accessible laboratory animals to enable virus infection and development of clinical disease. These models can be developed rapidly on any genetic background, making mechanistic studies and accelerated evaluation of novel countermeasures possible. In this review, we will discuss important considerations for the effective development of animal models using viral vector approaches and review the current vector-based animal models for studying viral pathogenesis and evaluating prophylactic and therapeutic strategies, with an emphasis on models of SARS-CoV-2 infection based on the vectorized expression of human angiotensin-converting enzyme 2.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».