Hydrogel‐Based Slow Release of a Receptor‐Binding Domain Subunit Vaccine Elicits Neutralizing Antibody Responses Against SARS‐CoV‐2
Notice bibliographique
Résumé
The development of effective vaccines that can be rapidly manufactured and distributed worldwide is necessary to mitigate the devastating health and economic impacts of pandemics like COVID-19. The receptor-binding domain (RBD) of the SARS-CoV-2 spike protein, which mediates host cell entry of the virus, is an appealing antigen for subunit vaccines because it is efficient to manufacture, highly stable, and a target for neutralizing antibodies. Unfortunately, RBD is poorly immunogenic. While most subunit vaccines are commonly formulated with adjuvants to enhance their immunogenicity, clinically-relevant adjuvants Alum, AddaVax, and CpG/Alum are found unable to elicit neutralizing responses following a prime-boost immunization. Here, it has been shown that sustained delivery of an RBD subunit vaccine comprising CpG/Alum adjuvant in an injectable polymer-nanoparticle (PNP) hydrogel elicited potent anti-RBD and anti-spike antibody titers, providing broader protection against SARS-CoV-2 variants of concern compared to bolus administration of the same vaccine and vaccines comprising other clinically-relevant adjuvant systems. Notably, a SARS-CoV-2 spike-pseudotyped lentivirus neutralization assay revealed that hydrogel-based vaccines elicited potent neutralizing responses when bolus vaccines did not. Together, these results suggest that slow delivery of RBD subunit vaccines with PNP hydrogels can significantly enhance the immunogenicity of RBD and induce neutralizing humoral immunity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
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 ».