Altered Peptide Ligands Revisited: Vaccine Design through Chemically Modified HLA-A2–Restricted T Cell Epitopes
Notice bibliographique
Résumé
Virus or tumor Ag-derived peptides that are displayed by MHC class I molecules are attractive starting points for vaccine development because they induce strong protective and therapeutic cytotoxic T cell responses. In thus study, we show that the MHC binding and consequent T cell reactivity against several HLA-A*02 restricted epitopes can be further improved through the incorporation of nonproteogenic amino acids at primary and secondary anchor positions. We screened more than 90 nonproteogenic, synthetic amino acids through a range of epitopes and tested more than 3000 chemically enhanced altered peptide ligands (CPLs) for binding affinity to HLA-A*0201. With this approach, we designed CPLs of viral epitopes, of melanoma-associated Ags, and of the minor histocompatibility Ag UTA2-1, which is currently being evaluated for its antileukemic activity in clinical dendritic cell vaccination trials. The crystal structure of one of the CPLs in complex with HLA-A*0201 revealed the molecular interactions likely responsible for improved binding. The best CPLs displayed enhanced affinity for MHC, increasing MHC stability and prolonging recognition by Ag-specific T cells and, most importantly, they induced accelerated expansion of antitumor T cell frequencies in vitro and in vivo as compared with the native epitope. Eventually, we were able to construct a toolbox of preferred nonproteogenic residues with which practically any given HLA-A*02 restricted epitope can be readily optimized. These CPLs could improve the therapeutic outcome of vaccination strategies or can be used for ex vivo enrichment and faster expansion of Ag-specific T cells for transfer into patients.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».