Combination therapy enhances the antiviral activity of IFN-λ against SARS-CoV-2 and MERS-CoV
Notice bibliographique
Résumé
• SARS-CoV-2 lineages showed varying, but increased resistance to IFN-λ treatment in comparison to the ancestral isolate. • MERS-CoV was found to be more resistant (50 times higher EC 90 ) to IFN-λ treatment compared to the ancestral strain of SARS-CoV-2. • We demonstrate the benefit of combining IFN-λ with direct-acting agents as a broad-spectrum therapeutic strategy against coronaviruses. Therapeutic options against pathogenic human coronaviruses remain limited. In a recent clinical trial, we demonstrated the therapeutic efficacy of pegylated-IFN-λ in COVID-19 outpatients. However, the emergence of variants that have the potential to evade IFN-mediated antiviral responses raises concerns regarding the continued efficacy of this approach. In this work, we compared the sensitivity of SARS-CoV-2 variants and MERS-CoV to IFN-λ treatment in vitro and explored the potential of combination therapy with other FDA-authorized or approved antiviral agents. We observed that in contrast to the ancestral strain, all other SARS-CoV-2 lineages showed varying, but increased resistance to IFN-λ treatment, from a 5.7-fold increase in EC 50 value for the P.1 strain to a 32.7-fold increase for the B.1.1.7 variant. We further show that combination treatment with remdesivir or nirmatrelvir enhanced the antiviral effect of IFN-λ against both SARS-CoV-2 and MERS-CoV. These findings justify the initiation of further in vivo testing that ultimately can help inform the development of more effective therapeutic guidelines against pathogenic coronaviruses.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».