Antigenic Liposomes for Generation of Disease-specific Antibodies
Notice bibliographique
Résumé
Antibody responses provide critical protective immunity to a wide array of pathogens. There remains a high interest in generating robust antibodies for vaccination as well as understand how pathogenic antibody responses develop in allergies and autoimmune disease. Generating robust antigen-specific antibody responses is not always trivial. In mouse models, it often requires multiple rounds of immunizations with adjuvant that leads to a great deal of variability in the levels of induced antibodies. One example is in mouse models of peanut allergies where more robust and reproducible models that minimize mouse numbers and the use of adjuvant would be beneficial. Presented here is a highly reproducible mouse model of peanut allergy anaphylaxis. This new model relies on two key factors: (1) antigen-specific splenocytes are adoptively transferred from a peanut-sensitized mouse into a naïve recipient mouse, normalizing the number of antigen-specific memory B- and T-cells across a large number of mice; and (2) recipient mice are subsequently boosted with a strong multivalent immunogen in the form of liposomal nanoparticles displaying the major peanut allergen (Ara h 2). The major advantage of this model is its reproducibility, which ultimately lowers the number of animals used in each study, while minimizing the number of animals receiving multiple injections of adjuvant. The modular assembly of these immunogenic liposomes provides relatively facile adaptability to other allergic or autoimmune models that involve pathogenic antibodies.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».