MétaCan
Menu
Retour à la cohorte
Enregistrement W2521380866 · doi:10.2174/1381612822666160921143011

Engineered Autonomous Human Variable Domains

2016· review· en· W2521380866 sur OpenAlexfundno aff
Johan Nilvebrant, Peter M. Tessier, Sachdev S. Sidhu

Notice bibliographique

RevueCurrent Pharmaceutical Design · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesCanadian Institutes of Health Research
Mots-clésAntibodySingle-domain antibodyEpitopePhage displayComputational biologyComputer scienceComplementarity determining regionProtein engineeringChemistryImmunoglobulin light chainBiologyImmunologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The complex multi-chain architecture of antibodies has spurred interest in smaller derivatives that retain specificity but can be more easily produced in bacteria. Domain antibodies consisting of single variable domains are the smallest antibody fragments and have been shown to possess enhanced ability to target epitopes that are difficult to access using multidomain antibodies. However, in contrast to natural camelid antibody domains, human variable domains typically suffer from low stability and high propensity to aggregate. METHODS: This review summarizes strategies to improve the biophysical properties of heavy chain variable domains from human antibodies with an emphasis on aggregation resistance. Several protein engineering approaches have targeted antibody frameworks and complementarity determining regions to stabilize the native state and prevent aggregation of the denatured state. CONCLUSION: Recent findings enable the construction of highly diverse libraries enriched in aggregation-resistant variants that are expected to provide binders to diverse antigens. Engineered domain antibodies possess unique advantages in expression, epitope preference and flexibility of formatting over conventional immunoreagents and are a promising class of antibody fragments for biomedical development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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.

Tête enseignante Opus0,278
Tête enseignante GPT0,496
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical DesignMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207