Evaluation of a self-amplifying mRNA reporter vaccine in explant models of broiler chickens
Notice bibliographique
Résumé
In order to minimize animal loss and economical loss, industrial poultry is heavily vaccinated against infectious agents. mRNA vaccination is an effective vaccination platform, yet little to no comprehensive, comparative studies in avians can be found. Nevertheless, poultry mRNA vaccination could prove to be very interesting due to the relatively low production cost, especially true when using self-amplifying mRNA (saRNA), and their extreme adaptability to new pathogens. The latter could be particularly useful when new pathogens join the stage or new variants arise. As a first step toward the investigation of saRNA vaccines in poultry, this study evaluates a luciferase-encoding saRNA in avian tracheal explants, conjunctival explants, primary chicken cecal cells and 18-day embryonated eggs. Naked saRNA in combination with RNase inhibitor and 2 different lipid-based formulations, that is, ionizable lipid nanoparticles (LNPs) and Lipofectamine Messenger Max, were evaluated. The saRNA-LNP formulation led to the highest bioluminescent signal in the tracheal explants, conjunctival explants and cecal cell cultures. A dose-response experiment with these saRNA-LNPs (33-900 ng/well) in these avian organoids and cells showed a nonlinear dose-response relationship. After in ovo administration, the highest dose of the saRNA-LNPs (5 µg) resulted in a visual expression as a weak bioluminescence signal could be seen. The other delivery approaches did not lead to a visual saRNA expression in the embryos. In conclusion, effective entry of saRNA encapsulated in LNPs followed by successful saRNA translation in poultry was established. Hence, mRNA vaccination in poultry could be possible, but further in vivo testing is needed.
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 | 0,002 | 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) | 0,000 | 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 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 ».