Impact of Vaccine-Elicited Anti-Spike IgG4 Antibodies on Fc-Effector Functions Against SARS-CoV-2
Notice bibliographique
Résumé
mRNA vaccines have demonstrated considerable efficacy and safety against SARS-CoV-2, limiting the pandemic burden worldwide. The emergence of new variants of concern and the decline in neutralizing activity observed several weeks post-vaccination reinforced the call for repeated mRNA vaccination. We and others have shown that vaccine efficacy does not exclusively rely on antibody neutralizing activites; Fc-effector functions play an important role as well. However, it is well known that long-term exposure and repeated antigen stimulation elicit the IgG4 subclass of antibodies, which are inefficient at mediating Fc-effector functions. In this regard, recent studies highlighted concerns about IgG4 induction by mRNA vaccines. Here, we explored the impact of repeated mRNA vaccination on IgG4 induction and its impact on Fc-effector functions. We observed anti-Spike IgG4 elicitation after three doses of mRNA vaccine; the antibody levels further increased with additional doses. Vaccine-elicited IgG4 preferentially bound the ancestral D614G Spike. We also observed that Breakthrough Infection (BTI) after several doses of vaccine strongly increased IgG1 levels but had no impact on IgG4 levels, thereby improving Fc-effector functions. Finally, we observed that elderly donors vaccinated with Moderna mRNA vaccines elicited higher IgG4 levels and presented lower Fc-effector functions than donors vaccinated with the Pfizer mRNA vaccine. Altogether, our results highlight the importance of monitoring the IgG subclasses elicited by vaccination.
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 | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».