使用机器学习模型预测SARS-CoV-2特定的CD4⁺和CD8⁺ T细胞响应,这些响应是由健康成年人用无活化疫苗引起的

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:

• 严重急性呼吸道综合征冠状病毒2 (SARS-CoV-2) 变种需要持续监测免疫反应,以制定有效的疫苗接种策略.
• 虽然中和抗体很重要,但T细胞提供了耐久的免疫力,能够抵抗病毒突变,但临床评估具有挑战性.
• 疫苗接种后评估T细胞反应对于了解长期免疫力至关重要,特别是在不断演变的SARS-CoV-2变种中.

研究的目的:

• 开发一种高效,经济的方法来评估在无活化SARS-CoV-2疫苗接种后健康成年人T细胞反应.
• 使用可访问的临床指标创建SARS-CoV-2特定CD4+和CD8+T细胞反应的预测模型.
• 提供一种新的,用户友好的策略来评估接种疫苗后的细胞免疫力.

主要方法:

• 招募了134名健康成年人,接种了三剂不活化的SARS-CoV-2疫苗.
• 使用细胞内细胞因子染色 (ICS) 评估细胞免疫力,覆盖病毒结构蛋白的重叠.
• 利用多变量分析,随机森林 (RF) 和分类和回归树 (CART) 算法与32个变量来构建预测模型.

主要成果:

• 疫苗接种后的年龄和几天被确定为影响T细胞反应强度的关键因素.
• 开发了CD4+和CD8+T细胞反应的预测模型,在训练和测试组中具有高准确性 (r > 0.9).
• 这些模型包含了8个易于访问的指标,用于实际的临床应用.

结论:

• 建立了一种高效,经济和可视化的方法来评估在无活化SARS-CoV-2疫苗接种后的T细胞反应.
• 开发的预测模型为评估细胞免疫提供了一种新的策略,有助于指导疫苗接种策略.
• 这种方法简化了对T细胞免疫力的评估,使其更易于临床使用.