Identification of a conserved neutralizing epitope in Seneca Valley virus VP2 protein: new insight for epitope vaccine designment
Notice bibliographique
Résumé
Abstract Background Seneca Valley virus (SVV) is a picornavirus that causes vesicular disease in swine. Clinical characteristics of the disease are similar to common viral diseases such as foot-and-mouth disease virus, porcine vesicular disease virus, and vesicular stomatitis virus, which can cause vesicles in the nose or hoof of pigs. Therefore, developing tools for detecting SVV infection is critical and urgent. Methods The neutralizing antibodies were produced to detect the neutralizing epitope. Results Five SVV neutralizing monoclonal antibodies (mAb), named 2C8, 3E4, 4C3, 6D7, and 7C11, were generated by immunizing mouses with ultra-purified SVV-LNSY01-2017. All five monoclonal antibodies exhibited high neutralizing titers to SVV. The epitopes targeted by these mAbs were further identified by peptide scanning using GST fusion peptides. The peptide 153 QELNEE 158 is defined as the smallest linear neutralizing epitope. The antibodies showed no reactivity to VP2 single mutants E157A. Furthermore, the antibodies showed no neutralizing activity with the recombinant virus (SVV-E157A). Conclusions The five monoclonal antibodies and identified epitopes may contribute to further research on the structure and function of VP2 and the development of diagnostic methods for detecting different SVV strains. Additionally, the epitope recognized by monoclonal antibodies against VP2 protein may provide insights for novel SVV vaccines and oncolytic viruses development.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».