Uncovering critical properties of the human respiratory syncytial virus by combining in vitro assays and in silico analyses
Notice bibliographique
Résumé
Many aspects of the respiratory syncytial virus (RSV) are still poorly understood. Yet these knowledge gaps have had and could continue to have adverse, unintended consequences for the efficacy and safety of antivirals and vaccines developed against RSV. Mathematical modelling was used to test and evaluate hypotheses about the rate of loss of RSV infectivity and the mechanisms and kinetics of RSV infection spread in SIAT cells in vitro. While the rate of loss of RSV integrity, as measured via qRT-PCR, is well-described by an exponential decay, the latter mechanism failed to describe the rate at which RSV A Long loses infectivity over time in vitro based on the data presented herein. This is unusual given that other viruses (HIV, HCV, influenza) have been shown to lose their infectivity exponentially in vitro, and indeed an exponential rate of loss of infectivity is always assumed in mathematical modelling and experimental analyses. The infectivity profile of RSV in HEp-2 and SIAT cells remained consistent over the course of an RSV infection, over time and a large range of infectivity. However, SIAT cells were found to be ∼ 100× less sensitive to RSV infection than HEp-2 cells. In particular, we found that RSV spreads inefficiently in SIAT cells, in a manner we show is consistent with the establishment of infection resistance in uninfected cells. SIAT cells are a good in vitro model in which to study RSV in vivo dissemination, yielding similar infection timescales. However, the higher sensitivity of HEp-2 cells to RSV together with its RSV infectivity profile being similar to that of SIAT cells, makes HEp-2 cells more suitable for quantifying RSV infectivity over the course of in vitro RSV infections in SIAT cells. Our findings highlight the importance and urgency of resolving the mechanisms at play in the dissemination of RSV infections in vitro, and the processes by which this infectivity is lost.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».