Severe disease is not essential for a high neutralizing antibody response post-SARS-CoV-2 infection
Notice bibliographique
Résumé
Neutralizing antibody responses correlate with protection from SARS-CoV-2 infection, yet higher neutralizing responses associate with more severe disease. Whether people without severe disease can also develop strong neutralizing responses to infection, and the pathways involved, is less clear. We performed a proteomic analysis on sera from 71 individuals infected with ancestral SARS-CoV-2, enrolled during the first South African infection wave. We determined disease severity by whether participants required supplemental oxygen and measured neutralizing antibody levels at convalescence. High neutralizing antibodies were associated with high disease severity, yet 40% of participants with lower disease severity had neutralizing antibody levels comparable to those with severe disease. We found 130 differentially expressed proteins between high and low neutralizers and 40 between people with high versus low disease severity. Five proteins overlapped, including furin, a protease which enhances SARS-CoV-2 infection. High neutralizers with non-severe disease had similar levels of differentially expressed neutralization response proteins to high neutralizers with severe disease, yet similar levels of differentially expressed disease severity proteins to participants with non-severe disease. Furthermore, we could reasonably predict who developed a strong neutralizing response based on a single protein, HSPA8, involved in clathrin pit uncoating. These results indicate that a strong antibody response does not always require severe disease and may involve different pathways.
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 ».