MétaCan
Menu
Retour à la cohorte
Enregistrement W4210979782 · doi:10.1186/s13568-022-01355-4

Specific anti-SARS-CoV-2 S1 IgY-scFv is a promising tool for recognition of the virus

2022· article· en· W4210979782 sur OpenAlexaff
Shikun Ge, Rao Wu, Tingting Zhou, Xiang Liu, Jin Zhu, Xiaoying Zhang

Notice bibliographique

RevueAMB Express · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Sars virusVirologyCoronavirus disease 2019 (COVID-19)Virus2019-20 coronavirus outbreakBiologyMedicineInfectious disease (medical specialty)OutbreakDisease

Résumé

récupéré en direct d'OpenAlex

As severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) continues to spread globally, a series of vaccines, antibodies and drugs have been developed to combat coronavirus disease 2019 (COVID-19). High specific antibodies are powerful tool for the development of immunoassay and providing passive immunotherapy against SARS-CoV-2 and expected with large scale production. SARS-CoV-2 S1 protein was expressed in E. coli BL21 and purified by immobilized metal affinity chromatography, as antigen used to immunize hens, the specific IgY antibodies were extracted form egg yolk by PEG-6000 precipitation, and the titer of anti-S1 IgY antibody reached 1:10,000. IgY single chain variable fragment antibody (IgY-scFv) was generated by using phage display technology and the IgY-scFv showed high binding sensitivity and capacity to S1 protein of SARS-CoV-2, and the minimum detectable antigen S1 protein concentration was 6 ng/µL. The docking study showed that the multiple epitopes on the IgY-scFv interacted with multiple residues on SARS-CoV-2 S1 RBD to form hydrogen bonds. This preliminary study suggests that IgY and IgY-scFv are suitable candidates for the development of immunoassay and passive immunotherapy for COVID-19 to humans and animals.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,094
Tête enseignante GPT0,353
Écart entre enseignants0,259 · 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'étudeExpérimental (laboratoire)
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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMB ExpressMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207