A Biosensor-Based Characterization of the Affinity Maturation of the Immune Response Against Interferon-β and Correlations with Neutralizing Antibodies in Treated Multiple Sclerosis Patients
Notice bibliographique
Résumé
The study of antibodies against Interferon-beta (IFN-beta) in treated multiple sclerosis (MS) patients has focused primarily on detection and quantification, with no single method of detection providing a comprehensive characterization. We assessed serial samples of 18 MS patients, treated with IFN-beta for between 66 and 198 months, to characterize the affinity maturation of these antibodies using a biosensor-based approach (Biacore). Biacore utilizes the principles of surface plasmon resonance (SPR) with data from the dissociation phase of the antigen-antibody reaction being inversely proportional to relative antibody affinity. In patients with neutralizing antibodies (NAbs+), mean antibody dissociation rates decreased from 0.00118 +/- 0.00030 s(-1) at month 6 to 0.00021 +/- 0.00008 s(-1) at month 36, followed by a slight increase to 0.00027 +/- 0.00003 s(-1) at month 60. In NAb- patients, mean antibody dissociation rates decreased only very slightly from 0.00130 +/- 0.00025 s(-1) to 0.00105 +/- 0.00020 s(-1) at month 18, followed by a gradual increase to 0.00243 +/- 0.00099 s(-1) at month 60. Our study shows little improvement in antibody affinity in NAb- patients, in contrast to a marked increase in antibody affinity over time in NAb+ patients with a significant correlation between NAb titers and relative antibody dissociation rates (Spearman's correlation, R(2) = -0.374, p < 0.001). The evaluation of relative antibody affinities will contribute to a thorough understanding of the anti-IFN-beta antibody response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».