Drug Target Review | 筛选用于抗COVID-19的抗病毒化合物

简介: Drug Target Review | 筛选用于抗COVID-19的抗病毒化合物

斯克里普斯研究公司(Scripps Research)宣布将筛选14,000多种化合物,以查看是否存在针对COVID-19的显著活性,用于治疗新冠。

image.png

美国的斯克里普斯研究所宣布,他们的研究小组正在研究可用于已经暴露于COVID-19 冠状病毒的患者的潜在抗病毒药物。该研究所旨在筛选化合物,以将其快速推进临床。


据该研究所称,一项优先任务是测试已批准的药物或可在人体中获得重要安全性数据的药物对病毒的活性,因为与新疗法相比,这些药物可在更短的时间范围内用于治疗冠状病毒患者。


斯克里普斯研究所的药物开发部门Calibr正在使用ReFRAME药物重定位系统。该部门已经创建了ReFRAME,是由14,000多种化合物组成的已知药物的集合,这些化合物已被FDA批准用于其他疾病,或已经过广泛的人体安全性测试。Calibr还开发了一个开源数据库,其中包含有关这些化合物的临床前和临床数据。


当COVID-19爆发开始时,该部门利用ReFRAME开始寻找现有的药物和其他可能被重新利用的化合物。先前的研究表明,这些分子中的某些似乎对严重的急性呼吸道综合症(SARS)和中东呼吸综合症(MERS)有效。现在,研究小组正在针对新的SARS-CoV-2病毒测试这些相同的化合物。他们还在筛选能阻止病毒最初感染细胞的化合物。


在一个单独的项目中,Caliber科学家正在与Dennis Burton博士的Scripps研究实验室合作,筛选阻止SARS-CoV-2进入细胞后复制的分子。他们希望像这样的化合物可以作为抗病毒治疗的基础。


Calibr科学家正在进行的另一个项目是筛选可能会增强吉利德(Gilead)药物remedesivir有效性的药物,该药物目前正在五项COVID-19临床试验中进行测试,并与制药公司合作筛选早期抗病毒药物。


目录
相关文章
|
编解码 ice
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
581 0
Google Earth Engine——NOAA气候数据记录(CDR)的AVHRR叶面积指数(LAI)和吸收光合有效辐射的部分(FAPAR)数据集包含描述植物冠层和光合活动的衍生值
|
6月前
|
vr&ar
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-1
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-1
|
6月前
|
vr&ar Python
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据
|
6月前
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-2
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-2
|
6月前
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-3
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据
R语言风险价值:ARIMA,GARCH,Delta-normal法滚动估计VaR(Value at Risk)和回测分析股票数据-3
|
6月前
R语言风险价值VaR(Value at Risk)和损失期望值ES(Expected shortfall)的估计
R语言风险价值VaR(Value at Risk)和损失期望值ES(Expected shortfall)的估计
|
6月前
|
数据挖掘 C语言
极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
|
6月前
|
数据挖掘 C语言
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析
|
6月前
|
机器学习/深度学习 数据采集 算法
SPSS Modeler用K-means(K-均值)聚类、CHAID、CART决策树分析31省市土地利用情况和GDP数据
SPSS Modeler用K-means(K-均值)聚类、CHAID、CART决策树分析31省市土地利用情况和GDP数据
|
数据挖掘 Python
准试验研究(Quasi-experiment)
准试验研究(Quasi-experiment)
772 3