SARS-CoV-2 Epitope Presentation by Class II HLA Genotypes Common in North American Populations: A Proposed Computational Approach for Vaccine Efficacy Evaluation
Notice bibliographique
Résumé
Background: Human Leukocyte Antigen (HLA) gene polymorphisms between ethnic groups have been shown to play a role in the heterogeneity of response to SARS-CoV-2, in terms of COVID-19 disease severity and susceptibility, in addition to socioeconomic factors. It was predicted that this finding may extend to vaccine responsiveness. Purpose: To the best of our knowledge, this study was the first that aimed to predict and evaluate the effectiveness of four COVID-19 vaccines across North American ethnic groups, in terms of their ability to trigger CD4+ T cell help, based on class II HLA allele frequencies. Methods: Various databases including the Immune Epitope Database (IEDB) were used in this computational approach. The number of peptide-HLA high-affinity pairs between the most common HLA II haplotypes and SARS-CoV-2 peptides in various vaccine types were retrieved and compared between ethnicities. From this, the efficiency of antigen presentation to CD4+ T cells was evaluated, a crucial component in the context of vaccination for cellular immunity and support in antibody generation. Results: Multiple discrepancies in vaccine effectiveness for ethnic minorities relative to the Caucasian group, overrepresented in vaccine clinical trials, were highlighted. Recommendations were issued in terms of which vaccine types could be most effective for particular ethnicities. Conclusion: There exists a genetic basis for differential responses to vaccines among ethnic groups in North America. However, given the multifactorial nature of vaccine responsiveness and limitations of computational methods, this study offers future research directions to undertake before the findings can be transferred to clinical and public health settings.
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) | 0,000 | 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 ».