A vesicular stomatitis virus-based prime-boost vaccination strategy induces potent and protective neutralizing antibodies against SARS-CoV-2
Notice bibliographique
Résumé
The development of safe and effective vaccines to prevent SARS-CoV-2 infections remains an urgent priority worldwide. We have used a recombinant vesicular stomatitis virus (rVSV)-based prime-boost immunization strategy to develop an effective COVID-19 vaccine candidate. We have constructed VSV genomes carrying exogenous genes resulting in the production of avirulent rVSV carrying the full-length spike protein (SF), the S1 subunit, or the receptor-binding domain (RBD) plus envelope (E) protein of SARS-CoV-2. Adding the honeybee melittin signal peptide (msp) to the N-terminus enhanced the protein expression, and adding the VSV G protein transmembrane domain and the cytoplasmic tail (Gtc) enhanced protein incorporation into pseudotype VSV. All rVSVs expressed three different forms of SARS-CoV-2 spike proteins, but chimeras with VSV-Gtc demonstrated the highest rVSV-associated expression. In immunized mice, rVSV with chimeric S protein-Gtc derivatives induced the highest level of potent neutralizing antibodies and T cell responses, and rVSV harboring the full-length msp-SF-Gtc proved to be the superior immunogen. More importantly, rVSV-msp-SF-Gtc vaccinated animals were completely protected from a subsequent SARS-CoV-2 challenge. Overall, we have developed an efficient strategy to induce a protective response in SARS-CoV-2 challenged immunized mice. Vaccination with our rVSV-based vector may be an effective solution in the global fight against COVID-19.
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».