MétaCan
Menu
Retour à la cohorte
Enregistrement W4387392387 · doi:10.1126/science.adj0070

Mapping SARS-CoV-2 antigenic relationships and serological responses

2023· article· en· W4387392387 sur OpenAlexafffund
Samuel Wilks, Barbara Mühlemann, Xiaoying Shen, Sina Türeli, Eric B. LeGresley, Antonia Netzl, Miguela A. Caniza, Jesus N. Chacaltana-Huarcaya, Victor M. Corman, Xiaoju Daniell, Michael Datto, Fatimah S. Dawood, Thomas N. Denny, Christian Drosten, Ron A. M. Fouchier, Patricia García, Peter Halfmann, Agatha N. Jassem, Lara M. Jeworowski, Terry C. Jones, Yoshihiro Kawaoka, Florian Krammer, Charlene McDanal, Rolando Pajón, Viviana Simon, Melissa S. Stockwell, Haili Tang, Harm van Bakel, Vic Veguilla, Richard J. Webby, David C. Montefiori, Derek J. Smith

Notice bibliographique

RevueScience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensBC Centre for Disease Control
Organismes subventionnairesDivision of Microbiology and Infectious Diseases, National Institute of Allergy and Infectious DiseasesNational Institute of Allergy and Infectious DiseasesSeqirusNational Institutes of HealthShionogiDeutsches Zentrum für InfektionsforschungGates Cambridge TrustDaiichi Sankyo EuropeUniversity of British ColumbiaCambridge TrustBundesministerium für GesundheitFUJIFILM Toyama ChemicalBundesministerium für Bildung und ForschungPfizerIcahn School of Medicine at Mount SinaiBiomedical Advanced Research and Development AuthorityCenters for Disease Control and PreventionBritish Columbia Centre for Disease ControlOtsuka PharmaceuticalJapan Agency for Medical Research and DevelopmentNational Center for Immunization and Respiratory DiseasesProvincial Health Services AuthorityModerna
Mots-clésSerologyVirologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)Antigen2019-20 coronavirus outbreakBiologyImmunologyAntibodyMedicineInfectious disease (medical specialty)DiseaseOutbreak

Résumé

récupéré en direct d'OpenAlex

During the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) pandemic, multiple variants escaping preexisting immunity emerged, causing reinfections of previously exposed individuals. Here, we used antigenic cartography to analyze patterns of cross-reactivity among 21 variants and 15 groups of human sera obtained after primary infection with 10 different variants or after messenger RNA (mRNA)-1273 or mRNA-1273.351 vaccination. We found antigenic differences among pre-Omicron variants caused by substitutions at spike-protein positions 417, 452, 484, and 501. Quantifying changes in response breadth over time and with additional vaccine doses, our results show the largest increase between 4 weeks and >3 months after a second dose. We found changes in immunodominance of different spike regions, depending on the variant an individual was first exposed to, with implications for variant risk assessment and vaccine-strain selection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,625

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,207
Tête enseignante GPT0,415
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations135
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207