MétaCan
Menu
Retour à la cohorte
Enregistrement W2122683371 · doi:10.1098/rspb.2014.1069

Could the human papillomavirus vaccines drive virulence evolution?

2014· article· en· W2122683371 sur OpenAlexafffund
Carmen Lía Murall, Chris T. Bauch, Troy Day

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensQueen's UniversityUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésVirulenceBiologyTransmission (telecommunications)VirologyMechanism (biology)ImmunityPopulationVirusHuman papillomavirusOncogeneViral OncogeneGeneralityVaccinationImmunologyImmune systemCellCancerMedicineGeneticsGeneCell cycleEnvironmental healthComputer science

Résumé

récupéré en direct d'OpenAlex

The human papillomavirus (HPV) vaccines hold great promise for preventing several cancers caused by HPV infections. Yet little attention has been given to whether HPV could respond evolutionarily to the new selection pressures imposed on it by the novel immunity response created by the vaccine. Here, we present and theoretically validate a mechanism by which the vaccine alters the transmission-recovery trade-off that constrains HPV's virulence such that higher oncogene expression is favoured. With a high oncogene expression strategy, the virus is able to increase its viral load and infected cell population before clearance by the vaccine, thus improving its chances of transmission. This new rapid cell-proliferation strategy is able to circulate between hosts with medium to high turnover rates of sexual partners. We also discuss the importance of better quantifying the duration of challenge infections and the degree to which a vaccinated host can shed virus. The generality of the models presented here suggests a wider applicability of this mechanism, and thus highlights the need to investigate viral oncogenicity from an evolutionary perspective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,244
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations36
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetAnimal Virus Infections StudiesTravaux en français237 207