Designing ecologically-optimised vaccines using population genomics
Notice bibliographique
Résumé
Abstract Streptococcus pneumoniae (the pneumococcus) is a common nasopharyngeal commensal capable of infecting normally sterile anatomical sites, resulting in invasive pneumococcal disease (IPD). Effective vaccines preventing IPD exist, but each of the antigens they contain typically induces protective immunity against only one of the approximately 100 pneumococcal serotypes, which are differentiated by immunogenically-distinct polysaccharide capsules. Serotypes vary in their propensity to cause IPD, quantified as their invasiveness. Vaccines are designed to include serotypes commonly isolated from IPD, but the immunity they induce is sufficiently strong to also eliminate vaccine serotypes from carriage. This enables their replacement by non-vaccine serotypes in the nasopharynx. The emergence of invasive non-vaccine serotypes has undermined some vaccination programmes’ benefits. Recent advances in genomics and modeling have enabled forecasting of which non-vaccine serotypes will be successful post-vaccination. Here, we demonstrate that vaccines optimised using this framework can minimise IPD and antibiotic-resistant disease more effectively than existing formulations in the model, through mitigating the consequences of serotype replacement. The simulations also demonstrate that tailoring vaccines to the pre-vaccine bacterial population is likely to have a substantial impact on reducing IPD, highlighting the importance of epidemiological data, genomics and ecological models as tools for vaccine design and evaluation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».