Immunological signatures unveiled by integrative systems vaccinology characterization of dengue vaccination trials and natural infection
Notice bibliographique
Résumé
Introduction: Dengue virus infection is a global health problem lacking specific therapy, requiring an improved understanding of DENV immunity and vaccine responses. Considering the recent emerging of new dengue vaccines, here we performed an integrative systems vaccinology characterization of molecular signatures triggered by the natural DENV infection (NDI) and attenuated dengue virus infection models (DVTs). Methods and results: We analyzed 955 samples of transcriptomic datasets of patients with NDI and attenuated dengue virus infection trials (DVT1, DVT2, and DVT3) using a systems vaccinology approach. Differential expression analysis identified 237 common differentially expressed genes (DEGs) between DVTs and NDI. Among them, 28 and 60 DEGs were up or downregulated by dengue vaccination during DVT2 and DVT3, respectively, with 20 DEGs intersecting across all three DVTs. Enriched biological processes of these genes included type I/II interferon signaling, cytokine regulation, apoptosis, and T-cell differentiation. Principal component analysis based on 20 common DEGs (overlapping between DVTs and our NDI validation dataset) distinguished dengue patients by disease severity, particularly in the late acute phase. Machine learning analysis ranked the ten most critical predictors of disease severity in NDI, crucial for the anti-viral immune response. Conclusion: ) for anti-dengue-specific therapies and effective vaccination development.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 | 0,000 |
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 ».