TianTan vaccinia virus-based EBV vaccines targeting both latent and lytic antigens elicits potent immunity against lethal EBV challenge in humanized mice
Notice bibliographique
Résumé
Epstein-Barr virus (EBV) infection has been related to multiple epithelial cancers and lymphomas. Current efforts in developing a prophylactic EBV vaccine have focused on inducing neutralizing antibodies. However, given the lifelong and persistent nature of EBV infection following primary infection, it is rationalized that an ideal vaccine should elicit both humoral and cellular immune responses targeting multiple stages of the EBV lifecycle. This study used a DNA vector and a TianTan vaccinia virus to express key EBV antigens, including BZLF1, EBNA1, EBNA3B, and gH/gL, to generate multi-antigen vaccines. The multi-antigen vaccine expressing all four antigens and the multi-antigen vaccine expressing BZLF1, EBNA1, and EBNA3B showed comparable protection effects and prevented 100% and 80% of humanized mice, respectively, from EBV-induced fatal B cell lymphoma by activating BZLF1, EBNA1, and EBNA3B specific T cell. The vaccine expressing lytic protein BZLF1 elicited stronger T cell responses and conferred superior protection compared to vaccines targeting single latent EBNA1 or EBNA3B. The vaccine solely expressing gH/gL exhibited no T cell protective effects in our humanized mice model. Our study implicates the potential of EBV vaccines that induce potent cellular responses targeting both latent and lytic phases of the EBV life cycle in the prevention of EBV-induced B cell lymphoma.
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) | 0,000 | 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 | 0,001 |
| 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 ».