MétaCan
Menu
Retour à la cohorte
Enregistrement W4245712741 · doi:10.3389/fimmu.2020.02057

Antigenic Variability

2020· article· en· W4245712741 sur OpenAlexaff
Alexander I. Mosa

Notice bibliographique

RevueFrontiers in Immunology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEpitopeImmunodominanceAntigenBiologyVirologyAntibodyAntigenic variationImmune systemComputational biologyImmunology

Résumé

récupéré en direct d'OpenAlex

Protective vaccines for hypervariable pathogens are urgently needed. It has been proposed that amputating highly variable epitopes from vaccine antigens would induce the production of broadly protective antibodies targeting conserved epitopes. However, so far these approaches have failed; partially because conserved epitopes are occluded in vivo, and partially because co-localizing patterns of immunodominance and antigenic variability render variable epitopes the primary target for antibodies in natural infection. In this Perspective, to recast the challenge of vaccine development for hypervariable pathogens, I evaluate convergent mechanisms of adaptive variation, such as intra-host immune-mediated diversification, spatiotemporally defined antigenic space, and infection-enhancing cross-immunoreactivity. The requirements of broadly protective immune responses targeting variable pathogens are formulated in terms of cross-immunoreactivity, stoichiometric thresholds for neutralization, and the elicitation of antibodies targeting physicochemically conserved signatures within sequence variable domains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetvaccines and immunoinformatics approachesTravaux en français237 207