Antibodies generated <i>in vitro</i> and <i>in vivo</i> elucidate design of a thermostable ADDomer COVID-19 nasal nanoparticle vaccine
Notice bibliographique
Résumé
Abstract COVID-19 continues to damage populations, communities and economies worldwide. Vaccines have reduced COVID-19-related hospitalisations and deaths, primarily in developed countries. Persisting infection rates, and highly transmissible SARS-CoV-2 Variants of Concern (VOCs) causing repeat and breakthrough infections, underscore the ongoing need for new treatments to achieve a global solution. Based on ADDomer, a self-assembling protein nanoparticle scaffold, we created ADDoCoV, a thermostable COVID-19 candidate vaccine displaying multiple copies of a SARS-CoV-2 receptor binding motif (RBM)-derived epitope. In vitro generated neutralising nanobodies combined with molecular dynamics (MD) simulations and electron cryo-microscopy (cryo-EM) established authenticity and accessibility of the epitopes displayed. A Gigabody comprising multimerized nanobodies prevented SARS-CoV-2 virion attachment with picomolar EC 50 . Antibodies generated by immunising mice cross-reacted with VOCs including Delta and Omicron. Our study elucidates nasal administration of ADDomer-based nanoparticles for active and passive immunisation against SARS-CoV-2 and provides a blueprint for designing nanoparticle reagents to combat respiratory viral infections.
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 ».