ESCRT recruitment to SARS-CoV-2 spike induces virus-like particles that improve mRNA vaccines
Notice bibliographique
Résumé
Prime-boost regimens for COVID-19 vaccines elicit poor antibody responses against Omicron-based variants and employ frequent boosters to maintain antibody levels. We present a natural infection-mimicking technology that combines features of mRNA- and protein nanoparticle-based vaccines through encoding self-assembling enveloped virus-like particles (eVLPs). eVLP assembly is achieved by inserting an ESCRT- and ALIX-binding region (EABR) into the SARS-CoV-2 spike cytoplasmic tail, which recruits ESCRT proteins to induce eVLP budding from cells. Purified spike-EABR eVLPs presented densely arrayed spikes and elicited potent antibody responses in mice. Two immunizations with mRNA-LNP encoding spike-EABR elicited potent CD8 + T cell responses and superior neutralizing antibody responses against original and variant SARS-CoV-2 compared with conventional spike-encoding mRNA-LNP and purified spike-EABR eVLPs, improving neutralizing titers >10-fold against Omicron-based variants for 3 months post-boost. Thus, EABR technology enhances potency and breadth of vaccine-induced responses through antigen presentation on cell surfaces and eVLPs, enabling longer-lasting protection against SARS-CoV-2 and other viruses.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 ».