A Comprehensive Review of Our Understanding and Challenges of Viral Vaccines against Swine Pathogens
Notice bibliographique
Résumé
Pig farming has become a strategically significant and economically important industry across the globe. It is also a potentially vulnerable sector due to challenges posed by transboundary diseases in which viral infections are at the forefront. Among the porcine viral diseases, African swine fever, classical swine fever, foot and mouth disease, porcine reproductive and respiratory syndrome, pseudorabies, swine influenza, and transmissible gastroenteritis are some of the diseases that cause substantial economic losses in the pig industry. It is a well-established fact that vaccination is undoubtedly the most effective strategy to control viral infections in animals. From the period of Jenner and Pasteur to the recent new-generation technology era, the development of vaccines has contributed significantly to reducing the burden of viral infections on animals and humans. Inactivated and modified live viral vaccines provide partial protection against key pathogens. However, there is a need to improve these vaccines to address emerging infections more comprehensively and ensure their safety. The recent reports on new-generation vaccines against swine viruses like DNA, viral-vector-based replicon, chimeric, peptide, plant-made, virus-like particle, and nanoparticle-based vaccines are very encouraging. The current review gathers comprehensive information on the available vaccines and the future perspectives on porcine viral vaccines.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,000 | 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 ».