A panel of hepatitis C virus glycoproteins for the characterization of antibody responses using antibodies with diverse recognition and neutralization patterns
Notice bibliographique
Résumé
A vaccine against Hepatitis C virus (HCV) is urgently needed to limit the spread of HCV. The large antigenic diversity of the HCV glycoprotein E1E2 makes it difficult to design a vaccine but also to fully understand the antibody response after infection or vaccination. Here we designed a panel of HCV pseudoparticles (HCVpps) that cover a wide range of genetically and antigenically diverse E1E2s. We validate our panel using neutralization and a binding antibody multiplex assay (BAMA). The panel of HCVpps includes E1E2 glycoproteins from acute and chronically infected cases in the Netherlands, as well as E1E2 glycoproteins from previously reported HCVs. Using eight monoclonal antibodies targeting multiple antigenic regions on E1E2, we could categorize four groups of neutralization sensitive viruses with viruses showing neutralization titers over a 100-fold range. One HCVpp (AMS0230) was extremely neutralization resistant and only neutralized by AR4-targeting antibodies. In addition, using binding antibody multiplex competition assay, we delineated mAb epitopes and their interactions. The binding and neutralization sensitivity of the HCVpps were confirmed using patient sera. At the end, eleven HCVpps with unique antibody binding and neutralization profiles were selected as the final panel for standardized HCV antibody assessments. In conclusion, this HCVpp panel can be used to evaluate antibody binding and neutralization breadth and potency as well as delineate the epitopes targeted in sera from patients or candidate vaccine trials. The HCVpp panel in combination with the established antibody competition assay present highly valuable tools for HCV vaccine development and evaluation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».