Vacinologia de Sistemas Aplicada à Vacina rVSV-ZEBOV contra Ebola
A febre hemorrágica causada pelo vírus Ebola é uma doença grave com alta mortalidade, sendo a vacinação uma importante estratégia de intervenção. A rVSV-ZEBOV, uma vacina recombinante do vírus da estomatite vesicular (VSV) em que a glicoproteína de envelope é a do vírus Ebola da cepa Zaire, foi a pr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-05082021-120102 |
| Acceso en línea: | https://www.teses.usp.br/teses/disponiveis/9/9136/tde-05082021-120102/ |
| Access Level: | acceso abierto |
| Palabra clave: | Adverse events Aprendizado de máquina Ebola Eventos adversos Machine Learning rVSV-ZEBOV vaccine Vaccine Vacina Vacina rVSV-ZEBOV |
| Sumario: | A febre hemorrágica causada pelo vírus Ebola é uma doença grave com alta mortalidade, sendo a vacinação uma importante estratégia de intervenção. A rVSV-ZEBOV, uma vacina recombinante do vírus da estomatite vesicular (VSV) em que a glicoproteína de envelope é a do vírus Ebola da cepa Zaire, foi a primeira aprovada para uso clínico. Apesar de imunogênica e segura, a vacina é reatogênica podendo causar febre, calafrios, mialgia e artrite. Usando dados de transcriptoma do sangue nós realizamos análises de transcriptoma para compreender a resposta à vacina em diferentes tempos para 4 diferentes coortes. A partir dos mesmos dados obtidos antes da vacinação, nós identificamos conjuntos de genes preditores de eventos adversos relacionados à vacina rVSV-ZEBOV. Os dados foram obtidos por RNA-seq para 64 voluntários e por dual-color Reverse Transcriptase Multiplex Ligation-dependent Probe Amplification (dcRT-MLPA) para 375 voluntários entre vacinados e placebos. A identificação de genes preditores das reações adversas foi realizada utilizando o algoritmo Random Forest. Com o algoritmo \"AdaBoost\" obtivemos modelo capaz de predizer indivíduos com artrite, com valor preditivo positivo de 1 e valor preditivo negativo de 0.818, utilizando dados de expressão de apenas cinco genes. Este trabalho foi importante para compreender melhor a resposta induzida pela vacina rVSV-ZEBOV e identificar genes possivelmente relacionados à predisposição das pessoas a desenvolver reatogenicidade pós vacinal. |
|---|