In Vivo Neutralization of α-Cobratoxin with High-Affinity Llama Single-Domain Antibodies (VHHs) and a VHH-Fc Antibody
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Small recombinant antibody fragments (e.g. scFvs and VHHs), which are highly tissue permeable, are being investigated for antivenom production as conventional antivenoms consisting of IgG or F(ab')2 antibody fragments do not effectively neutralize venom toxins located in deep tissues. However, antivenoms composed entirely of small antibody fragments may have poor therapeutic efficacy due to their short serum half-lives. To increase serum persistence and maintain tissue penetration, we prepared low and high molecular mass antivenom antibodies. Four llama VHHs were isolated from an immune VHH-displayed phage library and were shown to have high affinity, in the low nM range, for α-cobratoxin (α-Cbtx), the most lethal component of Naja kaouthia venom. Subsequently, our highest affinity VHH (C2) was fused to a human Fc fragment to create a VHH2-Fc antibody that would offer prolonged serum persistence. After in planta (Nicotiana benthamiana) expression and purification, we show that our VHH2-Fc antibody retained high affinity binding to α-Cbtx. Mouse α-Cbtx challenge studies showed that our highest affinity VHHs (C2 and C20) and the VHH2-Fc antibody effectively neutralized lethality induced by α-Cbtx at an antibody:toxin molar ratio as low as ca. 0.75×:1. Further research towards the development of an antivenom therapeutic involving these anti-α-Cbtx VHHs and VHH2-Fc antibody molecules should involve testing them as a combination, to determine whether they maintain tissue penetration capability and low immunogenicity, and whether they exhibit improved serum persistence and therapeutic efficacy.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle