Development of the Ebola virus vaccine using a genetically modified dual serotype recombinant vesicular stomatitis virus platform technology
Notice bibliographique
Résumé
T Ebola virus outbreak in West Africa continues to rage, with over 20,000 virus-infected individuals in 2014, over 50% which have resulted in death. The best and most effective way of controlling this devastating epidemic is to develop an efficacious vaccine. We have developed an Ebola virus vaccine using a genetically modified dual serotype recombinant vesicular stomatitis virus (VSV) platform technology. The VSV, one of the Rhabdo viruses, offers an ideal system for the creation of prime-boost vaccine vectors. In order to induce maximum immune responses, the priming recombinant viral vector should be antigenically distinct from the boosting vaccine vector to maximize the boost effect. Here we report robust humoral immune responses when two antigenically distinct genetically modified VSV vectors carrying the Ebola virus genes are used for prime-boost immunization. To examine the humoral immune responses against the Ebola virus proteins expressed from the genetically modified M gene variants of rVSV vectors, we generated rVSVs with the Zaire strain of Ebola virus GP, VP40 and NP genes. rVSVs carrying the Ebola virus GP, VP40, NP genes express high levels of proteins, and the GP and VP40 co-expression forms virus-like particles (VLP) that are secreted from the infected cells. From the various vaccination regimens tested in animals, priming with rVSVInd (GML)-EboGP+EboVP40, followed by an rVSVNJ (GMM)-EboGP+EboVP40 boosting, induced strong humoral immune responses against the Ebola virus GP and VP40 proteins. Increasing vaccine doses induced stronger humoral immune responses against the GP and VP40 proteins. Our results demonstrate that rVSVInd (GML) priming followed by rVSVNJ (GMM) boosting is the best system for inducing optimum adaptive immune responses. We are in the process of determining the efficacy of this Ebola virus vaccine in a BSL4 laboratory.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».