Computational design of candidate multi-epitope vaccine against SARS-CoV-2 targeting structural (S and N) and non-structural (NSP3 and NSP12) proteins
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
:The COVID-19 pandemic caused by SARS-CoV-2 virus has created a global damage and has exposed the vulnerable side of scientific research towards novel diseases. The intensity of the pandemic is huge, with mortality rates of more than 6 million people worldwide in a span of 2 years. Considering the gravity of the situation, scientists all across the world are continuously attempting to create successful therapeutic solutions to combat the virus. Various vaccination strategies are being devised to ensure effective immunization against SARS-CoV-2 infection. SARS-CoV-2 spreads very rapidly, and the infection rate is remarkably high than other respiratory tract viruses. The viral entry and recognition of the host cell is facilitated by S protein of the virus. N protein along with NSP3 is majorly responsible for viral genome assembly and NSP12 performs polymerase activity for RNA synthesis. In this study, we have designed a multi-epitope, chimeric vaccine considering the two structural (S and N protein) and two non-structural proteins (NSP3 and NSP12) of SARS-CoV-2 virus. The aim is to induce immune response by generating antibodies against these proteins to target the viral entry and viral replication in the host cell. In this study, computational tools were used, and the reliability of the vaccine was verified using molecular docking, molecular dynamics simulation and immune simulation studies in silico. These studies demonstrate that the vaccine designed shows steady interaction with Toll like receptors with good stability and will be effective in inducing a strong and specific immune response in the body.Communicated by Ramaswamy H. Sarma
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.
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 découle