Overview of recent advances in Vero cells genomic characterization and engineering for high‐throughput vaccine manufacturing
Notice bibliographique
Résumé
Abstract Background The Vero cell line is the most used continuous cell line for viral vaccine manufacturing with more than 30 years of accumulated experience in the vaccine industry. Nonetheless, virus production yield with Vero cells remains limited. Therefore, given Vero cell line infection susceptibility to a wide range of viruses, alleviating limitations of viral replication and increasing production kinetics in Vero cells could significantly reduce vaccine production time and cost. Here we review the literature on the development of Vero cells as the most effective manufacturing platform for viral vaccines. Whereas various bioprocess development strategies were proposed to improve the production, this review focuses on the genomic characterization and genetic engineering aspects of Vero cells. Rational design of production cell line emerged as a state‐of‐the‐art approach to significantly enhance Vero cell viral production yield and adaptation to suspension culture which aligns with the global preparedness efforts to accelerate and intensify vaccine production capacity to better respond to pandemic situations and epidemic outbreaks. Conclusion Until recently, the lack of a reference genome for the Vero cell line has limited the understanding of Vero cells behavior in defined culture conditions as well as host‐virus interactions underlying the affinity of the Vero cell line with emerging and re‐emerging pathogens. Importantly this limited our ability to re‐design high‐yield vaccine production processes using Vero genome editing.
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 | 0,000 | 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) | 0,000 | 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 ».