MétaCan
Menu
Retour à la cohorte
Enregistrement W3031568341 · doi:10.1021/acsnano.0c02240

Suppressing Subcapsular Sinus Macrophages Enhances Transport of Nanovaccines to Lymph Node Follicles for Robust Humoral Immunity

2020· article· en· W3031568341 sur OpenAlexafffund
Yi-Nan Zhang, Wilson Poon, Elana Sefton, Warren C. W. Chan

Notice bibliographique

RevueACS Nano · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Cancer Society Research InstituteCanadian Institutes of Health Research
Mots-clésLymph nodeImmune systemAntibodyAntigenHumoral immunityLymphImmunityImmunologyBiologyCell biologyChemistryMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Nanovaccines need to be transported to lymph node follicles to induce humoral immunity and generate neutralizing antibodies. Here, we discovered that subcapsular sinus macrophages play a barrier role to prevent nanovaccines from accessing lymph node follicles. This is illustrated by measuring the humoral immune responses after removing or functionally altering these cells in the nanovaccine transport process. We achieved up to 60 times more antigen-specific antibody production after suppressing subcapsular sinus macrophages. The degree of the enhanced antibody production is dependent on the nanovaccine dose and size, formulation, and administration time. We further found that pharmacological agents that disrupt the macrophage uptake function can be considered as adjuvants in vaccine development. Immunizing mice using nanovaccines formulated with these agents can induce more than 30 times higher antigen-specific antibody production compared to nanovaccines alone. These findings suggest that altering transport barriers to enable more of the nanovaccine to be delivered to the lymph node follicles for neutralizing antibody production is an effective strategy to boost vaccination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,254
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207