Optimizing Production of Antigens and Fabs in the Context of Generating Recombinant Antibodies to Human Proteins
Notice bibliographique
Résumé
We developed and optimized a high-throughput project workflow to generate renewable recombinant antibodies to human proteins involved in epigenetic signalling. Three different strategies to produce phage display compatible protein antigens in bacterial systems were compared, and we found that in vivo biotinylation through the use of an Avi tag was the most productive method. Phage display selections were performed on 265 in vivo biotinylated antigen domains. High-affinity Fabs (<20nM) were obtained for 196. We constructed and optimized a new expression vector to produce in vivo biotinylated Fabs in E. coli. This increased average yields up to 10-fold, with an average yield of 4 mg/L. For 118 antigens, we identified Fabs that could immunoprecipitate their full-length endogenous targets from mammalian cell lysates. One Fab for each antigen was converted to a recombinant IgG and produced in mammalian cells, with an average yield of 15 mg/L. In summary, we have optimized each step of the pipeline to produce recombinant antibodies, significantly increasing both efficiency and yield, and also showed that these Fabs and IgGs can be generally useful for chromatin immunoprecipitation (ChIP) protocols.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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 ».