How Computational Epitope Mapping Identifies the Interactions between Nanoparticles Derived from Papaya Mosaic Virus Capsid Proteins and Immune System
Notice bibliographique
Résumé
BACKGROUND: Nanoparticles derived from plant viruses possess fascinating structures, versa-tile functions and safe properties, rendering them valuable for a variety of applications. Papaya mosaic Virus-Like Particles (VLPs) are nanoparticles that contain a repetitive number of virus capsid proteins (PMV-CP) and are considered to be promising platforms for vaccine design. Previous studies have re-ported the antigenicity of PMV nanoparticles in mammalian systems. MATERIALS AND METHODS: As experiments that concern vaccine development require careful design and can be time consuming, computational experiments are of particular importance. Therefore, prior to ex-pressing PMV-CP in E. coli and producing nanoparticles, we performed an in silico analysis of the virus particles using software programs based on a series of sophisticated algorithms and modeling networks as useful tools for vaccine design. A computational study of PMV-CP in the context of the immune sys-tem reaction allowed us to clarify particle structure and other unknown features prior to their introduc-tion in vitro. RESULTS: The results illustrated that the produced nanoparticles can trigger an immune response in the absence of fusion with any foreign antigen. CONCLUSION: Based on the in silico analyses, the empty capsid protein was determined to be recognised by different B and T cells, as well as cells which carry MHC epitopes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».