Potential of monoclonal antibodies against neonatal sepsis: lessons from age-specific in vitro models
Notice bibliographique
Résumé
Populair wetenschappelijke samenvatting Engels Infants, especially those born prematurely, are highly vulnerable to sepsis, a life-threatening condition that remains one of the leading causes of newborn mortality worldwide. Over the past decades, limited progress has been made in developing preventive strategies against severe bacterial infections in this population. At the same time, rising antibiotic resistance calls for new ways to prevent and treat these infections safely and effectively. This thesis explores how newborns can be better protected against bacterial infections by studying the interplay between monoclonal antibodies and the neonatal immune system. We focus on three key components of antibacterial defense: antibodies, complement, and neutrophils - all of which are known to be deficient in preterm infants. Using blood from umbilical cords, we developed laboratory models that more accurately reflect the immune system of newborns than conventional cell-line models. These age-appropriate models allowed us to test the potential of new antibody-based therapies. We engineered antibodies to enhance their complement-activating potential and found that these modified antibodies triggered stronger immune responses in neonatal models compared to conventional therapies, such as pooled immunoglobulins from healthy donors (IVIG). Furthermore, we show that differences in complement profiles in neonates contribute to their increased susceptibility to Gram-negative infections. Together, the results of this thesis highlight the importance of considering the immunological characteristics of newborns when developing new antibody-based therapies. Antibodies that effectively activate the complement system may offer a promising strategy to protect newborns from severe bacterial infections.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».