Humoral and T cell responses to SARS-CoV-2 reveal insights into immunity during the early pandemic period in Pakistan
Notice bibliographique
Résumé
BACKGROUND: Protection against SARS-CoV-2 is mediated by humoral and T cell responses. Pakistan faced relatively low morbidity and mortality from COVID-19 through the pandemic. To examine the role of prior immunity in the population, we studied IgG antibody response levels, virus neutralizing activity and T cell reactivity to Spike protein in a healthy control group (HG) as compared with COVID-19 cases and individuals from the pre-pandemic period (PP). METHODS: HG and COVID-19 participants were recruited between October 2020 and May 2021. Pre-pandemic sera was collected before 2018. IgG antibodies against Spike and its Receptor Binding Domain (RBD) were determined by ELISA. Virus neutralization activity was determined using a PCR-based micro-neutralization assay. T cell - IFN-γ activation was assessed by ELISpot. RESULTS: Overall, the magnitude of anti-Spike IgG antibody levels as well as seropositivity was greatest in COVID-19 cases (90%) as compared with HG (39.8%) and PP (12.2%). During the study period, Pakistan experienced three COVID-19 waves. We observed that IgG seropositivity to Spike in HG increased from 10.3 to 83.5% during the study, whilst seropositivity to RBD increased from 7.5 to 33.3%. IgG antibodies to Spike and RBD were correlated positively in all three study groups. Virus neutralizing activity was identified in sera of COVID-19, HG and PP. Spike reactive T cells were present in COVID-19, HG and PP groups. Individuals with reactive T cells included those with and without IgG antibodies to Spike. CONCLUSIONS: Antibody and T cell responses to Spike protein in individuals from the pre-pandemic period suggest prior immunity against SARS-CoV-2, most likely from cross-reactive responses. The rising seroprevalence observed in healthy individuals through the pandemic without known COVID-19 may be due to the activation of adaptive immunity from cross-reactive memory B and T cells. This may explain the more favourable COVID-19 outcomes observed in this population.
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) | 0,002 | 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 ».