Lack of antibody-mediated cross-protection between SARS-CoV-2 and SARS-CoV infections
Notice bibliographique
Résumé
BACKGROUND: The novel coronavirus (SARS-CoV-2) shares approximately 80% whole genome sequence identity and 66% spike (S) protein identity with that of SARS-CoV. The cross-neutralization between these viruses is currently not well-defined. METHODS: Here, by using the live SARS-CoV-2 virus infection assay as well as HIV-1 based pseudotyped-virus carrying the spike (S) gene of the SARS-CoV-2 (ppSARS-2) and SARS-CoV (ppSARS), we examined whether infections with SARS-CoV and SARS-CoV-2 can induce cross-neutralizing antibodies. FINDINGS: We confirmed that SARS-CoV-2 infects cells via angiotensin converting enzyme 2 (ACE2), the functional receptor for SARS-CoV, and we also found that the recombinant receptor binding domain (RBD) of the S protein of SARS-CoV effectively inhibits ppSARS-2 entry in Huh7.5 cells. However, convalescent sera from SARS-CoV and SARS-CoV-2 patients showed high neutralizing activity only against the homologous virus, with no or limited cross-neutralization activity against the other pseudotyped virus. Similar results were also observed in vaccination studies in mice. INTERPRETATION: Our study demonstrates that although both SARS-CoV and SARS-CoV-2 use ACE2 as a cellular receptor, the neutralization epitopes are not shared by these two closely-related viruses, highlighting challenges towards developing a universal vaccine against SARS-CoV related viruses. FUNDING: This work was supported by the National Key Research and Development Program of China, the National Major Project for Control and Prevention of Infectious Disease in China, and the One Belt and One Road Major Project for infectious diseases.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».