HLA Variation and SARS-CoV-2 Specific Antibody Response
Notice bibliographique
Résumé
Differences in SARS-CoV-2-specific immune responses have been observed between individuals following natural infection or vaccination. In addition to already known factors, such as age, sex, COVID-19 severity, comorbidity, vaccination status, hybrid immunity, and duration of infection, inter-individual variations in SARS-CoV-2 immune responses may, in part, be explained by structural differences brought about by genetic variation in the human leukocyte antigen (HLA) molecules responsible for the presentation of SARS-CoV-2 antigens to T effector cells. While dendritic cells present peptides with HLA class I molecules to CD8+ T cells to induce cytotoxic T lymphocyte responses (CTLs), they present peptides with HLA class II molecules to T follicular helper cells to induce B cell differentiation followed by memory B cell and plasma cell maturation. Plasma cells then produce SARS-CoV-2-specific antibodies. Here, we review published data linking HLA genetic variation or polymorphisms with differences in SARS-CoV-2-specific antibody responses. While there is evidence that heterogeneity in antibody response might be related to HLA variation, there are conflicting findings due in part to differences in study designs. We provide insight into why more research is needed in this area. Elucidating the genetic basis of variability in the SARS-CoV-2 immune response will help to optimize diagnostic tools and lead to the development of new vaccines and therapeutics against SARS-CoV-2 and other infectious diseases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».