MétaCan
Menu
Retour à la cohorte
Enregistrement W2067045618 · doi:10.1016/j.jim.2012.08.016

Purification and identification of cell surface antigens using lamprey monoclonal antibodies

2012· article· en· W2067045618 sur OpenAlexaff
Cuiling Yu, Shabab Ali, Jonathan St‐Germain, Yanling Liu, Xuecong Yu, David L. Jaye, Michael F. Moran, Max D. Cooper, Götz R. A. Ehrhardt

Notice bibliographique

RevueJournal of Immunological Methods · 2012
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAquaculture disease management and microbiota
Établissements canadiensHospital for Sick ChildrenUniversity of TorontoCanada Research Chairs
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institutes of Health
Mots-clésLampreyMonoclonal antibodyAntigenAntibodyAvidityBiologyMolecular biologyRecombinant DNAImmunologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Variable lymphocyte receptor (VLR) B antibodies of the evolutionary distant sea lamprey are structurally distinct from conventional mammalian antibodies. The different protein architecture and large evolutionary distance of jawless vertebrates suggest that VLR antibodies may represent promising tools for biomarker discovery. Here we report the generation of panels of monoclonal VLR antibodies from lamprey larvae immunized with human T cells and the use of a recombinant monoclonal VLR antibody for antigen purification and mass spectrometric identification. We demonstrate that despite predicted low affinity of individual VLR antigen binding units to the antigen, the high avidity resulting from decameric assembly of secreted VLR antibodies allows for efficient antigen capture and subsequent identification by mass spectometry. We show that VLR antibodies detect their antigens with high specificity and can be used in various standard laboratory application techniques. The lamprey antibodies are novel reagents that can complement conventional monoclonal antibodies in multiple scientific research disciplines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,347
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Immunological MethodsMême sujetAquaculture disease management and microbiotaTravaux en français237 207