Hi‐Fi SELEX: A high‐fidelity digital‐PCR based therapeutic aptamer discovery platform
Notice bibliographique
Résumé
Current technologies for aptamer discovery typically leverage the systematic evolution of ligands by exponential enrichment (SELEX) concept by recursively panning semi-combinatorial ssDNA or RNA libraries against a molecular target. The expectation is that this iterative selection process will be sufficiently stringent to identify a candidate pool of specific high-affinity aptamers. However, failure of this process to yield promising aptamers is common, due in part to (i) limitations in library designs, (ii) retention of non-specific aptamers during screening rounds, (iii) excessive accumulation of amplification artifacts, and (iv) the use of screening criteria (binding affinity) that does not reflect therapeutic activity. We report a new selection platform, High-Fidelity (Hi-Fi) SELEX, that introduces fixed-region blocking elements to safeguard the functional diversity of the library. The chemistry of the target-display surface and the composition of the equilibration solvent are engineered to strongly inhibit non-specific retention of aptamers. Partition efficiencies approaching 10(6) are thereby realized. Retained members are amplified in Hi-Fi SELEX by digital PCR in a manner that ensures both elimination of amplification artifacts and stoichiometric conversion of amplicons into the single-stranded library required for the next selection round. Improvements to aptamer selections are first demonstrated using human α-thrombin as the target. Three clinical targets (human factors IXa, X, and D) are then subjected to Hi-Fi SELEX. For each, rapid enrichment of ssDNA aptamers offering an order-nM mean equilibrium dissociation constant (Kd) is achieved within three selection rounds, as quantified by a new label-free qPCR assay reported here. Therapeutic candidates against factor D are identified.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».