一个预测模型的疫苗反应性使用数据从一个体外人类先天免疫力测试系统的预测模型

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 疫苗学 疫苗学 疫苗学

背景情况:

• 疫苗的安全性至关重要,需要预测过度免疫反应的方法.
• 早期预测疫苗反应性可以简化新型候选疫苗的开发.

研究的目的:

• 开发和验证使用体外免疫试验预测疫苗反应性和不良事件 (AE) 的计算模型.
• 建立一个预测局部和系统反应性和特定AE的框架.

主要方法:

• 使用了模块化体外免疫构造,使用来自40名健康捐赠者的外周血液单核细胞 (PBMC),接受了10种疫苗.
• 通过流动细胞计和多化学基因/细胞基因试验分析了细胞培养超级生物.
• 开发了机器学习模型,将体外数据与临床AE数据集集集成在一起,并使用新型疫苗进行了前期验证.

主要成果:

• 在实验室中观察到不同的先天免疫活性和细胞活力概况.
• 确定IL-1B,IL-6,IL-10和CCL4作为AE风险的关键生物标志物.
• 开发了局部和系统反应性预测模型,前期验证显示了预测范围内的临床观察到的反应性.

结论:

• 为开发疫苗反应性预测模型提供了一个可行的框架.
• 强调了体外测试和机器学习在预测疫苗安全方面的潜力.
• 建议进一步完善预测特定不良事件的模型.