Agonistic Human Antibodies Binding to Lecithin-Cholesterol Acyltransferase Modulate High Density Lipoprotein Metabolism
Notice bibliographique
Résumé
Drug discovery opportunities where loss-of-function alleles of a target gene link to a disease-relevant phenotype often require an agonism approach to up-regulate or re-establish the activity of the target gene. Antibody therapy is increasingly recognized as a favored drug modality due to multiple desirable pharmacological properties. However, agonistic antibodies that enhance the activities of the target enzymes are rarely developed because the discovery of agonistic antibodies remains elusive. Here we report an innovative scheme of discovery and characterization of human antibodies capable of binding to and agonizing a circulating enzyme lecithin cholesterol acyltransferase (LCAT). Utilizing a modified human LCAT protein with enhanced enzymatic activity as an immunogen, we generated fully human monoclonal antibodies using the XenoMouse(TM) platform. One of the resultant agonistic antibodies, 27C3, binds to and substantially enhances the activity of LCAT from humans and cynomolgus macaques. X-ray crystallographic analysis of the 2.45 Å LCAT-27C3 complex shows that 27C3 binding does not induce notable structural changes in LCAT. A single administration of 27C3 to cynomolgus monkeys led to a rapid increase of plasma LCAT enzymatic activity and a 35% increase of the high density lipoprotein cholesterol that was observed up to 32 days after 27C3 administration. Thus, this novel scheme of immunization in conjunction with high throughput screening may represent an effective strategy for discovering agonistic antibodies against other enzyme targets. 27C3 and other agonistic human anti-human LCAT monoclonal antibodies described herein hold potential for therapeutic development for the treatment of dyslipidemia and cardiovascular disease.
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 | 0,000 | 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 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 ».