Harnessing the Activation of Toll-Like Receptor 2/6 by Self-Assembled Cross-β Fibrils to Design Adjuvanted Nanovaccines
Notice bibliographique
Résumé
Protein fibrils characterized with a cross-β-sheet quaternary structure have gained interest as nanomaterials in biomedicine, including in the design of subunit vaccines. Recent studies have shown that by conjugating an antigenic determinant to a self-assembling β-peptide, the resulting supramolecular assemblies act as an antigen delivery system that potentiates the epitope-specific immune response. In this study, we used a ten-mer self-assembling sequence (I10) derived from an amyloidogenic peptide to biophysically and immunologically characterize a nanofibril-based vaccine against the influenza virus. The highly conserved epitope from the ectodomain of the matrix protein 2 (M2e) was elongated at the N-terminus of I10 by solid phase peptide synthesis. The chimeric M2e-I10 peptide readily self-assembled into unbranched, long, and twisted fibrils with a diameter between five and eight nm. These cross-β nanoassemblies were cytocompatible and activated the heterodimeric Toll-like receptor (TLR) 2/6. Upon mice subcutaneous immunization, M2e-fibrils triggered a robust anti-M2e specific immune response, which was dependent on self-assembly and did not require the use of an adjuvant. Overall, this study describes the efficacy of cross-β fibrils to activate the TLR 2/6 and to stimulate the epitope-specific immune response, supporting usage of these proteinaceous assemblies as a self-adjuvanted delivery system for antigens.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».