Immunoprofiling Identifies Functional B and T Cell Subsets Induced by an Attenuated Whole Parasite Malaria Vaccine as Correlates of Sterile Immunity
Notice bibliographique
Résumé
Immune correlates of protection remain elusive for most vaccines. An identified immune correlate would accelerate the down-selection of vaccine formulations by reducing the need for human pathogen challenge studies that are currently required to determine vaccine efficacy. Immunization via mosquito-delivered, radiation-attenuated P. falciparum sporozoites (IMRAS) is a well-established model for efficacious malaria vaccines, inducing greater than 90% sterile immunity. The current immunoprofiling study utilized samples from a clinical trial in which vaccine dosing was adjusted to achieve only 50% protection, thus enabling a comparison between protective and non-protective immune signatures. In-depth immunoprofiling was conducted by assessing a wide range of antigen-specific serological and cellular parameters and applying our newly developed computational tools, including machine learning. The computational component of the study pinpointed previously un-identified cellular T cell subsets (namely, TNFα-secreting CD8+CXCR3−CCR6− T cells, IFNγ-secreting CD8+CCR6+ T cells and TNFα/FNγ-secreting CD4+CXCR3−CCR6− T cells) and B cell subsets (i.e., CD19+CD24hiCD38hiCD69+ transitional B cells) as important factors predictive of protection (92% accuracy). Our study emphasizes the need for in-depth immunoprofiling and subsequent data integration with computational tools to identify immune correlates of protection. The described process of computational data analysis is applicable to other disease and vaccine models.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».