<i>In vitro</i> generated antibodies guide thermostable ADDomer nanoparticle design for nasal vaccination and passive immunization against SARS-CoV-2
Notice bibliographique
Résumé
Abstract Background Due to COVID-19, pandemic preparedness emerges as a key imperative, necessitating new approaches to accelerate development of reagents against infectious pathogens. Methods Here, we developed an integrated approach combining synthetic, computational and structural methods with in vitro antibody selection and in vivo immunization to design, produce and validate nature-inspired nanoparticle-based reagents against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Results Our approach resulted in two innovations: (i) a thermostable nasal vaccine called ADDoCoV, displaying multiple copies of a SARS-CoV-2 receptor binding motif derived epitope and (ii) a multivalent nanoparticle superbinder, called Gigabody, against SARS-CoV-2 including immune-evasive variants of concern (VOCs). In vitro generated neutralizing nanobodies and electron cryo-microscopy established authenticity and accessibility of epitopes displayed by ADDoCoV. Gigabody comprising multimerized nanobodies prevented SARS-CoV-2 virion attachment with picomolar EC50. Vaccinating mice resulted in antibodies cross-reacting with VOCs including Delta and Omicron. Conclusion Our study elucidates Adenovirus-derived dodecamer (ADDomer)-based nanoparticles for use in active and passive immunization and provides a blueprint for crafting reagents to combat respiratory viral infections.
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 | 0,001 |
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 ».