The dengue-specific immune response and antibody identification with machine learning
Lade...
Autor:innen
Natali, Eriberto Noel
Horst, Alexander
Nuvolone, Mario
Babrak, Lmar Marie
Fink, Katja
Autor:in (Körperschaft)
Publikationsdatum
20.01.2024
Typ der Arbeit
Studiengang
Typ
01A - Beitrag in wissenschaftlicher Zeitschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
npj Vaccines
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
9
Ausgabe / Nummer
16
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Nature
Verlagsort / Veranstaltungsort
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Dengue virus poses a serious threat to global health and there is no specific therapeutic for it. Broadly neutralizing antibodies recognizing all serotypes may be an effective treatment. High-throughput adaptive immune receptor repertoire sequencing (AIRR-seq) and bioinformatic analysis enable in-depth understanding of the B-cell immune response. Here, we investigate the dengue antibody response with these technologies and apply machine learning to identify rare and underrepresented broadly neutralizing antibody sequences. Dengue immunization elicited the following signatures on the antibody repertoire: (i) an increase of CDR3 and germline gene diversity; (ii) a change in the antibody repertoire architecture by eliciting power-law network distributions and CDR3 enrichment in polar amino acids; (iii) an increase in the expression of JNK/Fos transcription factors and ribosomal proteins. Furthermore, we demonstrate the applicability of computational methods and machine learning to AIRR-seq datasets for neutralizing antibody candidate sequence identification. Antibody expression and functional assays have validated the obtained results.
Schlagwörter
Fachgebiet (DDC)
600 - Technik, Medizin, angewandte Wissenschaften
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
2059-0105
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Gold
Lizenz
Zitation
NATALI, Eriberto Noel, Alexander HORST, Patrick MEIER, Victor GREIFF, Mario NUVOLONE, Lmar Marie BABRAK, Katja FINK und Enkelejda MIHO, 2024. The dengue-specific immune response and antibody identification with machine learning. npj Vaccines. 20 Januar 2024. Bd. 9, Nr. 16. DOI 10.1038/s41541-023-00788-7. Verfügbar unter: https://doi.org/10.26041/fhnw-9967