Peptide Platform as a Powerful Tool in the Fight against COVID-19
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has resulted in a global pandemic causing over 195 million infections and more than 4 million fatalities as of July 2021.To date, it has been demonstrated that a number of mutations in the spike glycoprotein (S protein) of SARS-CoV-2 variants of concern abrogate or reduce the neutralization potency of several therapeutic antibodies and vaccine-elicited antibodies. Therefore, the development of additional vaccine platforms with improved supply and logistic profile remains a pressing need. In this work, we have validated the applicability of a peptide-based strategy focused on a preventive as well as a therapeutic purpose. On the basis of the involvement of the dipeptidyl peptidase 4 (DPP4), in addition to the angiotensin converting enzyme 2 (ACE2) receptor in the mechanism of virus entry, we analyzed peptides bearing DPP4 sequences by protein-protein docking and assessed their ability to block pseudovirus infection in vitro. In parallel, we have selected and synthetized peptide sequences located within the highly conserved receptor-binding domain (RBD) of the S protein, and we found that RBD-based vaccines could better promote elicitation of high titers of neutralizing antibodies specific against the regions of interest, as confirmed by immunoinformatic methodologies and in vivo studies. These findings unveil a key antigenic site targeted by broadly neutralizing antibodies and pave the way to the design of pan-coronavirus vaccines.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».