JS
Jian-Rong Su
Author with expertise in Coronavirus Disease 2019 Research
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
3
(67% Open Access)
Cited by:
48
h-index:
3
/
i10-index:
2
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
37

SARS-CoV-2 variant B.1.1.7 caused HLA-A2+CD8+T cell epitope mutations for impaired cellular immune response

Chanchan Xiao et al.Mar 29, 2021
SUMMARY The rapid spreading of the newly emerged SARS-CoV-2 variant, B.1.1.7, highlighted the requirements to better understand adaptive immune responses to this virus. Since CD8 + T cell responses play an important role in disease resolution and modulation in COVID-19 patients, it is essential to address whether these newly emerged mutations would result in altered immune responses. Here we evaluated the immune properties of the HLA-A2 restricted CD8 + T cell epitopes containing mutations from B.1.1.7, and furthermore performed a comprehensive analysis of the SARS-CoV-2 specific CD8 + T cell responses from COVID-19 convalescent patients and SARS-CoV-2 vaccinees recognizing the ancestral Wuhan strain compared to B.1.1.7. First, most of the predicted CD8 + T cell epitopes showed proper binding with HLA-A2, while epitopes from B.1.1.7 had lower binding capability than those from the ancestral strain. In addition, these peptides could effectively induced the activation and cytotoxicity of CD8 + T cells. Our results further showed that at least two site mutations in B.1.1.7 resulted in a decrease in CD8 + T cell activation and a possible immune evasion, namely A1708D mutation in ORF1ab 1707-1716 and I2230T mutation in ORF1ab 2230-2238 . Our current analysis provides information that contributes to the understanding of SARS-CoV-2-specific CD8 + T cell responses elicited by infection of mutated strains or vaccination. Graphical Abstract
37
Citation1
0
Save
0

A Construction Method for the Random Factor-Based G Function

Yongxin Feng et al.Nov 14, 2024
In consideration of the prevailing methodology for constructing G functions, there are certain limitations such as fixed change rules and restricted flexibility when producing frequency-hopping sequences. This paper introduces a novel construction method for the Random Factor-based G function (RFGF). This approach incorporates random factors to dynamically divide the frequency set into equal intervals and randomly selects the frequency hopping frequency within each subset. This effectively reduces the correlation between adjacent frequency-hopping frequencies, enhancing the randomness of the sequence and the system’s anti-interference performance. Furthermore, this method utilizes chaotic sequences to scramble data information, further strengthening the security of the information. The experimental results demonstrate that the frequency-hopping sequence generated by this proposed G function construction method outperforms the sequence generated by the time-varying iterative decomposition in terms of randomness, uniformity, and two-dimensional continuity. Specifically, under the same parameter conditions, the two-dimensional continuity is improved by 36.87%.