Individuals infected with HIV-1 require lifelong antiretroviral therapy, because interruption of treatment leads to rapid rebound viraemia. Here we report on a phase 1b clinical trial in which a combination of 3BNC117 and 10-1074, two potent monoclonal anti-HIV-1 broadly neutralizing antibodies that target independent sites on the HIV-1 envelope spike, was administered during analytical treatment interruption. Participants received three infusions of 30 mg kg−1 of each antibody at 0, 3 and 6 weeks. Infusions of the two antibodies were generally well-tolerated. The nine enrolled individuals with antibody-sensitive latent viral reservoirs maintained suppression for between 15 and more than 30 weeks (median of 21 weeks), and none developed viruses that were resistant to both antibodies. We conclude that the combination of the anti-HIV-1 monoclonal antibodies 3BNC117 and 10-1074 can maintain long-term suppression in the absence of antiretroviral therapy in individuals with antibody-sensitive viral reservoirs. Combination therapy with the anti-HIV-1 monoclonal antibodies 3BNC117 and 10-1074 maintains long-term suppression in the absence of antiretroviral therapy in individuals with antibody-sensitive viral reservoirs.

A V1-V2 IgG3 response to HIV correlates with a decreased risk of HIV-1 infection and is one vaccine-induced humoral response that is higher in a clinical trial showing HIV-1 vaccine efficacy compared to a trial showing nonefficacy.

Authorization of the Matrix-M (MM)–adjuvanted R21 vaccine by three countries and its subsequent endorsement by the World Health Organization for malaria prevention in children are a milestone in the fight against malaria. Yet, our understanding of the innate and adaptive immune responses elicited by this vaccine remains limited. Here, we compared three clinically relevant adjuvants [3M-052 + aluminum hydroxide (Alum) (3M), a TLR7/8 agonist formulated in Alum; GLA-LSQ, a TLR4 agonist formulated in liposomes with QS-21; and MM, the now-approved adjuvant for R21] for their capacity to induce durable immune responses to R21 in macaques. R21 adjuvanted with 3M on a 0, 8, and 23–week schedule elicited anti-circumsporozoite antibody responses comparable in magnitude to the R21/MM vaccine administered using a 0-4-8–week regimen and persisted up to 72 weeks with a half-life of 337 days. A booster dose at 72 weeks induced a recall response similar to the R21/MM vaccination. In contrast, R21/GLA-LSQ immunization induced a lower, short-lived response at the dose used. Consistent with the durable serum antibody responses, MM and 3M induced long-lived plasma cells in the bone marrow and other tissues, including the spleen. Furthermore, whereas 3M stimulated potent and persistent antiviral transcriptional and cytokine signatures after primary and booster immunizations, MM induced enhanced expression of interferon- and T H 2-related signatures more highly after the booster vaccination. Collectively, these findings provide a resource on the immune responses of three clinically relevant adjuvants with R21 and highlight the promise of 3M as another adjuvant for malarial vaccines.

The HVTN 705 Imbokodo trial of 2636 people without HIV and assigned female sex at birth, conducted in southern Africa, evaluated a heterologous HIV-1 vaccine regimen: mosaic adenovirus 26-based vaccine (Ad26.Mos4.HIV) at Months 0, 3, 6, 12 and alum-adjuvanted clade C gp140 at Months 6, 12. Per-protocol vaccine efficacy (VE) against HIV-1 diagnosis from seven to 24 months was 14.1% (95% CI: -22.0% to 39.5%). Immune correlates analysis was performed for markers selected based on prior evidence in efficacy trials and/or nonhuman primate models.

Abstract Data analysis and knowledge discovery has become more and more important in biology and medicine with the increasing complexity of the biological datasets, but necessarily sophisticated programming skills and in-depth understanding of algorithms needed pose barriers to most biologists and clinicians to perform such research. We have developed a modular open-source software SIMON to facilitate the application of 180+ state-of-the-art machine learning algorithms to high-dimensional biomedical data. With an easy to use graphical user interface, standardized pipelines, automated approach for machine learning and other statistical analysis methods, SIMON helps to identify optimal algorithms and provides a resource that empowers non-technical and technical researchers to identify crucial patterns in biomedical data.