Identification of an Optimized Receptor-Binding Domain Subunit Vaccine against SARS-CoV-2
Notice bibliographique
Résumé
Current vaccine efforts to combat SARS-CoV-2 are focused on the whole spike protein administered as mRNA, viral vector, or protein subunit. However, the SARS-CoV-2 receptor-binding domain (RBD) is the immunodominant portion of the spike protein, accounting for 90% of serum neutralizing activity. In this study, we constructed several versions of RBD and together with aluminum hydroxide or DDA (dimethyldioctadecylammonium bromide)/TDB (d-(+)-trehalose 6,6'-dibehenate) adjuvant evaluated immunogenicity in mice. We generated human angiotensin-converting enzyme 2 knock-in mice to evaluate vaccine efficacy in vivo following viral challenge. We found that 1) subdomain (SD)1 was essential for the RBD to elicit maximal immunogenicity; 2) RBDSD1 produced in mammalian HEK cells elicited better immunogenicity than did protein produced in insect or yeast cells; 3) RBDSD1 combined with the CD4 Th1 adjuvant DDA/TDB produced higher neutralizing Ab responses and stronger CD4 T cell responses than did aluminum hydroxide; 4) addition of monomeric human Fc receptor to RBDSD1 (RBDSD1Fc) significantly enhanced immunogenicity and neutralizing Ab titers; 5) the Beta version of RBDSD1Fc provided a broad range of cross-neutralization to multiple antigenic variants of concern, including Omicron; and 6) the Beta version of RBDSD1Fc with DDA/TDB provided complete protection against virus challenge in the knock-in mouse model. Thus, we have identified an optimized RBD-based subunit vaccine suitable for 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 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 ».