The Impact of HIV on B Cell Compartment and Its Implications for COVID-19 Vaccinations in People with HIV
Notice bibliographique
Résumé
HIV causes intense polyclonal activation of B cells, resulting in increased numbers of spontaneously antibody-secreting cells in the circulation and hypergammaglobulinemia. It is accompanied by significant perturbations in various B cell subsets, such as increased frequencies of immature/transitional B cells, activated memory B cells, atypical memory B cells, short-lived plasmablasts and regulatory B cells, as well as by decreased frequencies of resting memory and resting naïve B cells. Furthermore, both memory and antigen-inexperienced naïve B cells show exhausted and immune-senescent phenotypes. HIV also drives the expansion and functional impairment of CD4+ T follicular helper cells, which provide help to B cells, crucial for the generation of germinal center reactions and production of long-lived plasma and memory B cells. By suppressing viral replication, anti-retroviral therapy reverses the virus-induced perturbations and functional defects, albeit inadequately. Due to HIV’s lingering impact on B cells, immune senescence and residual chronic inflammation, people with HIV (PWH), especially immune non-responders, are immunocompromised and mount suboptimal antibody responses to vaccination for SARS-CoV-2. Here, we review how functionally and phenotypically distinct B cell subsets are induced in response to a vaccine and an infection and how HIV infection and anti-retroviral therapy (ART) impact them. We also review the role played by HIV-induced defects and perturbations in B cells in the induction of humoral immune responses to currently used anti-SARS-CoV-2 vaccines in PWH on ART. We also outline different strategies that could potentially enhance the vaccine-induced antibody responses in PWH. The review will provide guidance and impetus for further research to improve the immunogenicity of these vaccines in this human population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».