MétaCan
Menu
← Retour à la cohorte
Enregistrement W2021044074 · doi:10.1371/journal.pone.0091273

Preexisting CD4+ T-Cell Immunity in Human Population to Avian Influenza H7N9 Virus: Whole Proteome-Wide Immunoinformatics Analyses

2014· article· en· W2021044074 sur OpenAlexafffundabout
Venkata R. Duvvuri, Bhargavi Duvvuri, Christilda Alice, Gillian E. Wu, Jonathan B. Gubbay

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensHospital for Sick ChildrenMount Sinai HospitalPublic Health OntarioUniversity of TorontoYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsInternational Development Research CentreF. Hoffmann-La RocheGlaxoSmithKline
Mots-clésEpitopeBiologyVirologyPopulationInfluenza A virusImmunityProteomeEpitope mappingAntibodyVirusImmune systemImmunologyGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

In 2013, a novel avian influenza H7N9 virus was identified in human in China. The antigenically distinct H7N9 surface glycoproteins raised concerns about lack of cross-protective neutralizing antibodies. Epitope-specific preexisting T-cell immunity was one of the protective mechanisms in pandemic 2009 H1N1 even in the absence of cross-protective antibodies. Hence, the assessment of preexisting CD4+ T-cell immunity to conserved epitopes shared between H7N9 and human influenza A viruses (IAV) is critical. A comparative whole proteome-wide immunoinformatics analysis was performed to predict the CD4+ T-cell epitopes that are commonly conserved within the proteome of H7N9 in reference to IAV subtypes (H1N1, H2N2, and H3N2). The CD4+ T-cell epitopes that are commonly conserved (∼ 556) were further screened against the Immune Epitope Database (IEDB) to validate their immunogenic potential. This analysis revealed that 45.5% (253 of 556) epitopes are experimentally proven to induce CD4+ T-cell memory responses. In addition, we also found that 23.3% of CD4+ T-cell epitopes have ≥ 90% of sequence homology with experimentally defined CD8+ T-cell epitopes. We also conducted the population coverage analysis across different ethnicities using commonly conserved CD4+ T-cell epitopes and corresponding HLA-DRB1 alleles. Interestingly, the indigenous populations from Canada, United States, Mexico and Australia exhibited low coverage (28.65% to 45.62%) when compared with other ethnicities (57.77% to 94.84%). In summary, the present analysis demonstrate an evidence on the likely presence of preexisting T-cell immunity in human population and also shed light to understand the potential risk of H7N9 virus among indigenous populations, given their high susceptibility during previous pandemic influenza events. This information is crucial for public health policy, in targeting priority groups for immunization programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,399
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetInfluenza Virus Research Studies→Travaux en français237 207→