Isolation and characterization of cross-neutralizing coronavirus antibodies from COVID-19+ subjects
Notice bibliographique
Résumé
SARS-CoV-2 is one of three coronaviruses that have crossed the animal-to-human barrier and caused widespread disease in the past two decades. The development of a universal human coronavirus vaccine could prevent future pandemics. We characterize 198 antibodies isolated from four COVID-19+ subjects and identify 14 SARS-CoV-2 neutralizing antibodies. One targets the N-terminal domain (NTD), one recognizes an epitope in S2, and 11 bind the receptor-binding domain (RBD). Three anti-RBD neutralizing antibodies cross-neutralize SARS-CoV-1 by effectively blocking binding of both the SARS-CoV-1 and SARS-CoV-2 RBDs to the ACE2 receptor. Using the K18-hACE transgenic mouse model, we demonstrate that the neutralization potency and antibody epitope specificity regulates the in vivo protective potential of anti-SARS-CoV-2 antibodies. All four cross-neutralizing antibodies neutralize the B.1.351 mutant strain. Thus, our study reveals that epitopes in S2 can serve as blueprints for the design of immunogens capable of eliciting cross-neutralizing coronavirus antibodies.
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) | 0,000 | 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) | 0,000 | 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 ».