Antibody gene-based prophylaxis and therapy for biodefence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The threat from the use of biowarfare (BW)/bioterrorism (BT) agents is now more likely than ever. Antibodies, which are naturally produced molecules with high specificity and affinity, play an important role in immune defence by recognizing and eliminating invading microbial pathogens or neutralizing toxins. Passive antibody administration is an effective means of conferring immediate immunity to a susceptible host for post-exposure prophylaxis or therapy of BW/BT agent-mediated diseases, but the immunity would not last long and antibody production is a lengthy, labor intensive, and expensive process. An alternative approach is to take advantage of the body's natural ability to express transgenes to produce passive antibodies. This approach can be achieved by the in vivo delivery of genes encoding BW/BT agent-specific antibodies for biodefence applications. It is also possible to design antibody fragments to be expressed inside a cell via antibody gene delivery for combating intracellular BW/BT agents and toxins, which natural antibodies cannot reach. Animal studies have shown that the expressed antibodies can be detected as early as day 3, reaches peak levels at day 7, and maintains therapeutic levels in serum for more than seven months after a single administration via antibody gene delivery. Therefore, antibody gene delivery in vivo might be a new approach for post-exposure prophylaxis or therapy and for pre-exposure prophylaxis (vaccination) of BW/BT agent-mediated diseases although there are still some problems to be overcome before this new approach can actually be used in humans.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle