Plasmodium infection is associated with cross-reactive antibodies to carbohydrate epitopes on the SARS-CoV-2 Spike protein
Notice bibliographique
Résumé
Sero-surveillance can monitor and project disease burden and risk. However, SARS-CoV-2 antibody test results can produce false positive results, limiting their efficacy as a sero-surveillance tool. False positive SARS-CoV-2 antibody results are associated with malaria exposure, and understanding this association is essential to interpret sero-surveillance results from malaria-endemic countries. Here, pre-pandemic samples from eight malaria endemic and non-endemic countries and four continents were tested by ELISA to measure SARS-CoV-2 Spike S1 subunit reactivity. Individuals with acute malaria infection generated substantial SARS-CoV-2 reactivity. Cross-reactivity was not associated with reactivity to other human coronaviruses or other SARS-CoV-2 proteins, as measured by peptide and protein arrays. ELISAs with deglycosylated and desialated Spike S1 subunits revealed that cross-reactive antibodies target sialic acid on N-linked glycans of the Spike protein. The functional activity of cross-reactive antibodies measured by neutralization assays showed that cross-reactive antibodies did not neutralize SARS-CoV-2 in vitro. Since routine use of glycosylated or sialated assays could result in false positive SARS-CoV-2 antibody results in malaria endemic regions, which could overestimate exposure and population-level immunity, we explored methods to increase specificity by reducing cross-reactivity. Overestimating population-level exposure to SARS-CoV-2 could lead to underestimates of risk of continued COVID-19 transmission in sub-Saharan Africa.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».