Development a novel multi-epitope DNA vaccine against human SARS coronavirus-2: an immunoinformatics designing study
Notice bibliographique
Résumé
Human SARS coronavirus 2 (SARS-CoV-2) causes the current global COVID-19 pandemic. The production of an efficient vaccine against COVID-19 is under heavy investigation. In this study, we have designed a novel multiepitope DNA vaccine against SARS-CoV-2 using reverse vaccinology and DNA vaccine approaches. Applying these strategies led to reduce the time and costs of vaccine development and also improve the immune protective characteristics of the vaccine. For this purpose, epitopes of nucleocapsid, membrane glycoprotein, and ORF8 proteins of SARS-CoV-2 chose as targets for B and T-cell receptors. Accordingly, DNA sequences of selected epitopes have optimized for protein expression in the eukaryotic system. To this end, the Kozak and tissue plasminogen activator sequences were added into the epitope sequences for proper protein expression and secretion, respectively. Furthermore, interleukin-2 and beta-defensin 1 preproprotein sequences were incorporated to the designed DNA vaccine as an adjuvant. Modeling and refinement of fused protein composed of SARS-CoV-2 multiepitope antigens (fuspMA) have performed based on homology modeling of orthologous peptides, then constructed 3D model of fuspMA was more investigated during 50 ns of molecular dynamics simulation. Further bioinformatics predictions demonstrated that fuspMA is a stable protein with acceptable antigenic features and no allergenicity or toxicity characteristics. Finally, the affinity of fuspMA to the MHC I and II and TLRs molecules validated by the molecular docking procedure. In conclusion, it seems the designed multiepitope DNA vaccine could have a chance to be introduced as an efficient vaccine against COVID-19 after more in vivo evaluations.
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 | 0,001 | 0,001 |
| 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 ».