Garlic-Derived Allicin Modulates Expression of the SARS-CoV-2 Spike Receptor-Binding Domain in Human Splenic Fibroblasts
Notice bibliographique
Résumé
Abstract Allicin, a natural sulfur-rich compound, is formed when garlic is crushed or chopped. It has been used for centuries as a natural defence against bacteria and fungi. However, we do not fully understand how well it works against viruses, such as SARS-CoV-2. In this study, we investigated the effect of allicin on the expression of the SARS-CoV-2 receptor-binding domain of the spike protein in human primary splenic fibroblasts. These cells were transfected with a plasmid encoding RBD-S protein fused to a superfolder green fluorescent protein (sfGFP), a bright, stable marker. When cells were treated with 50□µM allicin, either 30 min before or 6 h after transfection, a pronounced drop in fluorescence was observed, indicating reduced spike protein expression. Interestingly, the cell morphology, growth, and behavior remained normal, indicating that allicin could minimize spike protein levels without being toxic to the cells. These results open the door to the use of allicin as a gentle, natural antiviral agent and raise critical questions regarding the regulation of protein expression after transcription. Further research is required to understand these effects better.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».