MétaCan
Menu
← Retour à la cohorte
Enregistrement W3127367284 · doi:10.1371/journal.pone.0246731

In silico analysis suggests less effective MHC-II presentation of SARS-CoV-2 RBM peptides: Implication for neutralizing antibody responses

2021· article· en· W3127367284 sur OpenAlexfundno aff
Andrea Castro, Kıvılcım Öztürk, Maurizio Zanetti, Hannah Carter

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthMark Foundation For Cancer ResearchU.S. National Library of MedicineCanadian Institute for Advanced Research
Mots-clésEpitopeAntibodyBiologyVirologyIn silicoB cellNeutralizing antibodyPopulationT cellMHC class IMajor histocompatibility complexAntigenImmunologyComputational biologyImmune systemGeneticsGeneMedicine

Résumé

récupéré en direct d'OpenAlex

SARS-CoV-2 antibodies develop within two weeks of infection, but wane relatively rapidly post-infection, raising concerns about whether antibody responses will provide protection upon re-exposure. Here we revisit T-B cooperation as a prerequisite for effective and durable neutralizing antibody responses centered on a mutationally constrained RBM B cell epitope. T-B cooperation requires co-processing of B and T cell epitopes by the same B cell and is subject to MHC-II restriction. We evaluated MHC-II constraints relevant to the neutralizing antibody response to a mutationally-constrained B cell epitope in the receptor binding motif (RBM) of the spike protein. Examining common MHC-II alleles, we found that peptides surrounding this key B cell epitope are predicted to bind poorly, suggesting a lack MHC-II support in T-B cooperation, impacting generation of high-potency neutralizing antibodies in the general population. Additionally, we found that multiple microbial peptides had potential for RBM cross-reactivity, supporting previous exposures as a possible source of T cell memory.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,417
Écart entre enseignants0,313 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSARS-CoV-2 and COVID-19 Research→Travaux en français237 207→