A simple protein-based surrogate neutralization assay for SARS-CoV-2
Notice bibliographique
Résumé
Most of the patients infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) mount a humoral immune response to the virus within a few weeks of infection, but the duration of this response and how it correlates with clinical outcomes has not been completely characterized. Of particular importance is the identification of immune correlates of infection that would support public health decision-making on treatment approaches, vaccination strategies, and convalescent plasma therapy. While ELISA-based assays to detect and quantitate antibodies to SARS-CoV-2 in patient samples have been developed, the detection of neutralizing antibodies typically requires more demanding cell-based viral assays. Here, we present a safe and efficient protein-based assay for the detection of serum and plasma antibodies that block the interaction of the SARS-CoV-2 spike protein receptor binding domain (RBD) with its receptor, angiotensin-converting enzyme 2 (ACE2). The assay serves as a surrogate neutralization assay and is performed on the same platform and in parallel with an ELISA for the detection of antibodies against the RBD, enabling a direct comparison. The results obtained with our assay correlate with those of 2 viral-based assays, a plaque reduction neutralization test (PRNT) that uses live SARS-CoV-2 virus and a spike pseudotyped viral vector-based assay.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».