MétaCan
Menu
← Retour à la cohorte
Enregistrement W3047383683 · doi:10.7554/elife.57659.sa2

Author response: Tailored design of protein nanoparticle scaffolds for multivalent presentation of viral glycoprotein antigens

2020· peer-review· en· W3047383683 sur OpenAlexaff
George Ueda, Aleksandar Antanasijevic, Jorge A. Fallas, William Sheffler, Jeffrey Copps, Daniel Ellis, Geoffrey B. Hutchinson, Adam Moyer, Anila Yasmeen, Yaroslav Tsybovsky, Young‐Jun Park, Matthew J. Bick, Banumathi Sankaran, Rebecca A. Gillespie, Philip J. M. Brouwer, Peter H. Zwart, David Veesler, Masaru Kanekiyo, Barney S. Graham, Rogier W. Sanders, John P. Moore, Per Johan Klasse, Andrew B. Ward, Neil P. King, David Baker

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésGlycoproteinAntigen presentationVirusVirologyAntigenHemagglutinin (influenza)Immune systemComputational biologyChemistryCell biologyBiologyNanotechnologyMaterials scienceBiochemistryT cellImmunology

Résumé

récupéré en direct d'OpenAlex

Vaccines train the immune system to recognize a specific virus or bacterium so that the body can be better prepared against these harmful agents. To do so, many vaccines contain viral molecules called glycoproteins, which are specific to each type of virus. Glycoproteins that sit at the surface of the virus can act as ‘keys’ that recognize and unlock the cells of certain organisms, leading to viral infection. To ensure a stronger immune response, glycoproteins in vaccines are often arranged on a protein scaffold which can mimic the shape of the virus of interest and trigger a strong immune response. Many scaffolds, however, are currently made from natural proteins which cannot always display viral glycoproteins. Here, Ueda, Antanasijevic et al. developed a method that allows for the design of artificial proteins which can serve as scaffold for viral glycoproteins. This approach was tested using three viruses: influenza, HIV, and RSV – a virus responsible for bronchiolitis. The experiments showed that in each case, the relevant viral glycoproteins could attach themselves to the scaffold. These structures could then assemble themselves into vaccine particles with predicted geometrical shapes, which mimicked the virus and maximized the response from the immune system. Designing artificial scaffold for viral glycoproteins gives greater control over vaccine design, allowing scientists to manipulate the shape of vaccine particles and test the impact on the immune response. Ultimately, the approach developed by Ueda, Antanasijevic et al. could lead to vaccines that are more efficient and protective, including against viruses for which there is currently no suitable scaffold.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0470,016

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 Opus0,129
Tête enseignante GPT0,411
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMonoclonal and Polyclonal Antibodies Research→Travaux en français237 207→