Recent advances on smart glycoconjugate vaccines in infections and cancer
Notice bibliographique
Résumé
Vaccination is one of the greatest achievements in biomedical research preventing death and morbidity in many infectious diseases through the induction of pathogen-specific humoral and cellular immune responses. Currently, no effective vaccines are available for pathogens with a highly variable antigenic load, such as the human immunodeficiency virus or to induce cellular T-cell immunity in the fight against cancer. The recent SARS-CoV-2 outbreak has reinforced the relevance of designing smart therapeutic vaccine modalities to ensure public health. Indeed, academic and private companies have ongoing joint efforts to develop novel vaccine prototypes for this virus. Many pathogens are covered by a dense glycan-coat, which form an attractive target for vaccine development. Moreover, many tumor types are characterized by altered glycosylation profiles that are known as "tumor-associated carbohydrate antigens". Unfortunately, glycans do not provoke a vigorous immune response and generally serve as T-cell-independent antigens, not eliciting protective immunoglobulin G responses nor inducing immunological memory. A close and continuous crosstalk between glycochemists and glycoimmunologists is essential for the successful development of efficient immune modulators. It is clear that this is a key point for the discovery of novel approaches, which could significantly improve our understanding of the immune system. In this review, we discuss the latest advancements in development of vaccines against glycan epitopes to gain selective immune responses and to provide an overview on the role of different immunogenic constructs in improving glycovaccine efficacy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».