T-cell immunity to SARS-CoV-2: what if the known best is not the optimal course for the long run? Adapting to evolving targets
Notice bibliographique
Résumé
Humanity did surprisingly well so far, considering how unprepared it was to respond to the coronavirus disease 2019 (COVID-19) threat. By blending old and ingenious new technology in the context of the accumulated knowledge on other human coronaviruses, several vaccine candidates were produced and tested in clinical trials in record time. Today, five vaccines account for the bulk of the more than 13 billion doses administered worldwide. The ability to elicit biding and neutralizing antibodies most often against the spike protein is a major component of the protection conferred by immunization but alone it is not enough to limit virus transmission. Thus, the surge in numbers of infected individuals by newer variants of concern (VOCs) was not accompanied by a proportional increase in severe disease and death rate. This is likely due to antiviral T-cell responses, whose evasion is more difficult to achieve. The present review helps navigating the very large literature on T cell immunity induced by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection and vaccination. We examine the successes and shortcomings of the vaccinal protection in the light of the emergence of VOCs with breakthrough potential. SARS-CoV-2 and human beings will likely coexist for a long while: it will be necessary to update existing vaccines to improve T-cell responses and attain better protection against COVID-19.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».