Characterization of Four New Monoclonal Antibodies that Recognize Mouse Natural Killer Activation Receptors
Notice bibliographique
Résumé
With the aim of identifying natural killer (NK) activation receptors, we immunized BALB/c mice with (BALB/cxB6)F1 NK LAK cells and made B-cell hybridomas. These were screened for monoclonal antibody (MAb) reacting with an NK activation receptor by using an antibody-induced redirected lysis (AIRL) assay against FcR-bearing P815 targets. Four hybridomas, clones 1C10, 1F10, 2D10 and 4G4, were selected for further characterization. Protein G-purified MAbs from these clones activated both resting and IL-2 activated B6 or F1 NK cells in the AIRL assay. 1F10 MAb, but not the other three MAbs, could compete for the binding of anti-NK1.1 (PK136) MAb to F1 NK cells. The four MAbs were screened for their ability to bind to or activate NK cells from the mouse strains SJL/J, DBA/2, 129/J, C3H/J, and BALB.K. None showed activity except IC10, which could bind to and activate SJL/J NK cells. When members of the NKR-P1 family from both B6 mice (A, B, and C genes expressed) and SJL mice (only A and B genes expressed) were expressed in Jurkat cells and tested for their antibody reactivity, PK136 MAb was found to recognize B6 NKR-P1C and SJL/J NKR-P1B; IC10 MAb was found to recognize NKR-P1-A, -B and -C from B6, but not NKR-P1A or -B from SJL/J; and 1F10 MAb was found to react only with B6 NKR-P1C.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».