Structural Design and Immunogenicity of a Novel Self‐Adjuvanting Mucosal Vaccine Candidate for <scp>SARS</scp> ‐ <scp>CoV</scp> ‐2 Expressed in Plants
Notice bibliographique
Résumé
Mucosal vaccination for COVID-19 to boost preexisting though insufficient systemic and local/mucosal immunity remains an attractive prospect but there are currently no licensed mucosal vaccines against this infection. Here, using a plant expression system, we developed a novel mucosal vaccine platform for respiratory viruses and demonstrated its application in the context of SARS-CoV-2 infection. In addition to the antigen itself, the PCF (Platform CTB-Fc) vaccine candidate incorporates two molecular adjuvants, the IgG-Fc antibody fragment and the nontoxic cholera toxin B subunit (CTB), with the first targeting the vaccine to IgG receptors on antigen-presenting cells, and the second providing local adjuvanticity by targeting cellular gangliosides in the mucosae. We demonstrated that this vaccine candidate is highly immunogenic in mice, inducing virus-neutralising systemic and mucosal antibodies as well as tissue resident memory T cells in the lungs. We also demonstrated that SRBD-PCF is recognised by immune cells from exposed or vaccinated individuals, and that circulating antibodies also bind to the antigen within the vaccine, forming immune complexes (IC). Finally, with a view of respiratory delivery, we demonstrated that the vaccine can be aerosolised without loss of material or biological activity, and that it is noncytotoxic and nonhaemolytic to human cells. Furthermore, we demonstrate that the plant expression system represents a suitable platform to produce these complex, multifunctional macromolecules capable of simultaneously binding to multiple targets. Our data strongly support the case for a safe, self-adjuvanting mucosal COVID-19 vaccine development, as means to boosting both systemic and mucosal immunity.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».