MétaCan
Menu
Retour à la cohorte
Enregistrement W4405965731 · doi:10.3390/vaccines13010033

Transcriptional Systems Vaccinology Approaches for Vaccine Adjuvant Profiling

2025· article· en· W4405965731 sur OpenAlexaff
Diogo Pellegrina, Heather L. Wilson, George Mutwiri, Mohamed Helmy

Notice bibliographique

RevueVaccines · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Response and Inflammation
Établissements canadiensLakehead UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésComputational biologyAdjuvantImmune systemBiologySystems biologyVaccine adjuvantInnate immune systemGeneMechanism (biology)ImmunologyGenetics

Résumé

récupéré en direct d'OpenAlex

Adjuvants are a diverse group of substances that can be added to vaccines to enhance antigen-specific immune responses and improve vaccine efficacy. The first adjuvants, discovered almost a century ago, were soluble crystals of aluminium salts. Over the following decades, oil emulsions, vesicles, oligodeoxynucleotides, viral capsids, and other complex organic structures have been shown to have adjuvant potential. However, the detailed mechanisms of how adjuvants enhance immune responses remain poorly understood and may be a barrier that reduces the rational selection of vaccine components. Previous studies on mechanisms of action of adjuvants have focused on how they activate innate immune responses, including the regulation of cell recruitment and activation, cytokine/chemokine production, and the regulation of some "immune" genes. This approach provides a narrow perspective on the complex events involved in how adjuvants modulate antigen-specific immune responses. A comprehensive and efficient way to investigate the molecular mechanism of action for adjuvants is to utilize systems biology approaches such as transcriptomics in so-called "systems vaccinology" analysis. While other molecular biology methods can verify if one or few genes are differentially regulated in response to vaccination, systems vaccinology provides a more comprehensive picture by simultaneously identifying the hundreds or thousands of genes that interact with complex networks in response to a vaccine. Transcriptomics tools such as RNA sequencing (RNA-Seq) allow us to simultaneously quantify the expression of practically all expressed genes, making it possible to make inferences that are only possible when considering the system as a whole. Here, we review some of the challenges in adjuvant studies, such as predicting adjuvant activity and toxicity when administered alone or in combination with antigens, or classifying adjuvants in groups with similar properties, while underscoring the significance of transcriptomics in systems vaccinology approaches to propel vaccine development forward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,330
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,249
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetImmune Response and InflammationTravaux en français237 207