预先存在的免疫格局的综合映射用于疫苗反应预测
Stephanie Hao1, Ivan Tomic1, Benjamin B Lindsey2,3
1Atomic lab, The National Emerging Infectious Diseases Laboratories (NEIDL), Boston University; Boston, MA, US.
bioRxiv : the preprint server for biology
|February 3, 2025
概括
预测疫苗反应是复杂的. 最初的R包分析了各种免疫数据,以识别不同的响应者配置文件及其基线预测器,推进精确疫苗学.
科学领域:
- 免疫学 免疫学 免疫学
- 疫苗学 疫苗学 疫苗学
- 计算生物学 计算生物学
背景情况:
- 预测个体的疫苗反应是具有挑战性的,因为免疫系统的复杂性.
- 系统疫苗学需要综合分析多omics数据,以全面理解.
研究的目的:
- 开发和验证imuneaut,这是一个开源的R包,用于分析和预测疫苗接种后的免疫结果.
- 在使用活体减弱型流感疫苗 (LAIV) 后,确定不同的免疫表型响应者概况.
主要方法:
- 利用了244名用LAIV接种的冈比亚儿童的综合数据集.
- 综合的幽默,粘膜,细胞,转录和微生物学参数.
- 应用了缩小维度,聚类和预测建模来识别响应者的个人资料和决定因素.
主要成果:
- 确定了三种不同的免疫类型:CD8 T细胞响应者,粘膜响应者和全身广泛的流感A病毒响应者.
- 确定了关键基线决定因素,包括先前存在的免疫力,粘膜完整性和先前的病毒暴露.
- 展示了不同的免疫学景观如何塑造疫苗反应轨迹.
结论:
- Immunaut为精确疫苗学提供了一个整体的,数据驱动的框架.
- 了解基线免疫特征对于预测疫苗疗效至关重要.
- 免疫包是优化不同人群免疫策略的多功能资源.


