SARS-CoV-2 mutations affect proteasome processing to alter CD8 <sup>+</sup> T cell responses
Notice bibliographique
Résumé
Abstract Viral CD8 + epitopes are generated by the cellular turnover of viral proteins, predominantly by the proteasome. Mutations located within viral epitopes can result in escape from memory T cells but the contribution of mutations in flanking regions of epitopes in SARS-CoV-2 has not been investigated. Focusing on two of the most dominant SARS-CoV-2 nucleoprotein CD8 + epitopes, we identified mutations in epitope flanking regions and investigated the contribution of these mutations to antigen processing and T cell activation using SARS-CoV-2 nucleoprotein transduced B cell lines and in vitro proteasomal processing of peptides. We found that decreased NP 9-17 -B*27:05 CD8 + T cell responses to the NP-Q7K mutation correlated with lower epitope surface expression, likely due to a lack of efficient epitope production by the proteasome, suggesting immune escape caused by this mutation. In contrast, NP-P6L and NP-D103N/Y mutations flanking the NP 9-17 -B*27:05 and NP 105-113 -B*07:02 epitopes, respectively, increased CD8 + T cell responses associated with enhanced epitope production by the proteasome. Our results provide evidence that SARS-CoV-2 mutations outside the epitope could have a significant impact on antigen processing and presentation, thereby contributing to escape from immunodominant T cell responses. Alternatively, mutations could enhance antigen processing and efficacy of T cell recognition, opening new avenues for improving future vaccine designs. One Sentence Summary Natural mutations in the flanking regions of known immunodominant SARS-CoV-2 nucleoprotein epitopes can decrease CD8 + T cell responses leading to partial escape.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».