Quantification and Modeling of Tripartite CD2-, CD58FC Chimera (Alefacept)-, and CD16-mediated Cell Adhesion
Notice bibliographique
Résumé
Alefacept is a chimeric protein combining CD58 immunoglobulin-like domain 1 with human IgG1 Fc. Alefacept mediates adhesion by bridging CD2 on T cells to activating Fc receptors on effector cells, but the equilibrium binding parameters have not been determined. Alefacept mediated T cell killing by NK cells and adhesion between CD2- and CD16-expressing cells at an optimum concentration of 100 nM. We introduce novel measurements with supported planer bilayers, from which key two-dimensional and three-dimensional parameters can be determined by data fitting. Alefacept competitively inhibited cell bilayer adhesion mediated by the CD2-CD58 interaction. Alefacept mediated maximal adhesion of CD2(+) T cells to CD16B, an Fc receptor, in planar bilayers at 500 nM. A mechanistic model for alefacept-mediated cell-bilayer adhesion allowed fitting of the data and determination of two-dimensional binding parameters. These included the density of bonds in the adhesion area, which grew to maintain a consistent average bond density of 200 molecules/microm(2) and two-dimensional association constants of 3.1 and 630 microm(2) for bivalently and monovalently bound forms of alefacept, respectively. The maximum number of CD16 bound and the fit value of 4,350 CD2 per cell are much lower than the 40,000 CD2 per cell measured with anti-CD2 Fab. These results suggest that additional information is needed to correctly predict Alefacept-mediated bridge formation.
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 | 0,001 | 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) | 0,000 | 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 ».