MétaCan
Menu
Retour à la cohorte
Enregistrement W3181510741 · doi:10.1139/cjm-2020-0535

Vaccinomics-driven proteome-wide screening of <i>Haemophilus influenzae</i> for the prediction of common putative vaccine candidates

2021· article· en· W3181510741 sur OpenAlexvenueno aff
Naseeha Bibi, Najam‐us‐Sahar Sadaf Zaidi, Muhammad Tahir, Mustafeez Mujtaba Babar

Notice bibliographique

RevueCanadian Journal of Microbiology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHaemophilus influenzaeBiologyProteomeEpitopeVirulenceGenomeComputational biologySerotypeComparative genomicsMicrobiologyGeneticsVirologyAntigenGenomicsGeneBacteria

Résumé

Haemophilus influenzae colonizes the respiratory tract and is associated with life-threatening invasive infections. The recent rise in its global prevalence, even in the presence of multiple vaccines, indicates an urgent need to develop effective cross-strain vaccine strategies. Our work focused on identifying the universally conserved antigenic regions of H. influenzae that can be used to develop new vaccines. A variety of bioinformatics tools were applied for the comprehensive geno-proteomic analysis of H. influenzae type a strain, as reference serotype, through which subcellular localization, essentiality, virulence, and non-host homology were determined. B and T cell epitope mapping of the 3D protein structures were performed. Thereafter, molecular docking with HLA_DRB1*0101 and comparative genome analysis established the candidature of the identified regions. Based on the established vaccinomics criteria, five target proteins were predicted as novel vaccine candidates. Among these, nine epitopic regions that could regulate lymphocyte activity through strong protein–protein interactions were identified. Comparative genomic analysis revealed that the identified regions were highly conserved among the different strains of H. influenzae. Based on multiple immunogenic factors, five prioritized proteins and their predicted epitopes were identified as ideal common putative vaccine candidates against typeable strains.

Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.

Comment cette classification a été obtenuedéplier

Le tri à trois modèles

les 5 600 travaux triés →

Les trois modèles l'ont jugé hors champ.

strate : venue_new · poids de sondage : 2684.25 (l'échantillon est stratifié ; tout taux calculé sans le poids est faux)
Claude Opus 4.8OUT
genre : empirical
porte sur le Canada: non
confiance: high

Proteome wide screening for vaccine candidates; the object is bacterial immunogenicity.

GPT-5.6 (high)OUT
genre : empirical
porte sur le Canada: non
confiance: high

The work predicts vaccine candidates for Haemophilus influenzae rather than studying research practice.

Grok 4.5OUT
genre : empirical
porte sur le Canada: non
confiance: high

In silico vaccine-candidate discovery for H. influenzae is biomedical domain science using methods, not studying methods.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of MicrobiologyMême sujetvaccines and immunoinformatics approachesTravaux en français237 207