Single immunizations of self-amplifying or non-replicating mRNA-LNP vaccines control HPV-associated tumors in mice
Notice bibliographique
Résumé
As mRNA vaccines have proved to be very successful in battling the coronavirus disease 2019 (COVID-19) pandemic, this new modality has attracted widespread interest for the development of potent vaccines against other infectious diseases and cancer. Cervical cancer caused by persistent human papillomavirus (HPV) infection is a major cause of cancer-related deaths in women, and the development of safe and effective therapeutic strategies is urgently needed. In the present study, we compared the performance of three different mRNA vaccine modalities to target tumors associated with HPV-16 infection in mice. We generated lipid nanoparticle (LNP)–encapsulated self-amplifying mRNA as well as unmodified and nucleoside-modified non-replicating mRNA vaccines encoding a chimeric protein derived from the fusion of the HPV-16 E7 oncoprotein and the herpes simplex virus type 1 glycoprotein D (gDE7). We demonstrated that single low-dose immunizations with any of the three gDE7 mRNA vaccines induced activation of E7-specific CD8 + T cells, generated memory T cell responses capable of preventing tumor relapses, and eradicated subcutaneous tumors at different growth stages. In addition, the gDE7 mRNA-LNP vaccines induced potent tumor protection in two different orthotopic mouse tumor models after administration of a single vaccine dose. Last, comparative studies demonstrated that all three gDE7 mRNA-LNP vaccines proved to be superior to gDE7 DNA and gDE7 recombinant protein vaccines. Collectively, we demonstrated the immunogenicity and therapeutic efficacy of three different mRNA vaccines in extensive comparative experiments. Our data support further evaluation of these mRNA vaccines in clinical trials.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».