Fc Engineering for Developing Therapeutic Bispecific Antibodies and Novel Scaffolds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Therapeutic monoclonal antibodies [mAbs] have become molecules of choice to treat autoimmune disorders, inflammatory diseases and cancer. Moreover, bispecific/multispecific antibodies that target more than one antigen or epitope on a target cell or recruit effector cells [T cell, natural killer (NK) cell or Macrophage cell] towards target cells have shown great potential to maximize the benefits of antibody therapy. In the past decade, many novel concepts to generate bispecific and multispecific antibodies have evolved successfully into a range of formats from full bispecific immunoglobulin gammas [IgGs] to antibody fragments. Impressively, antibody fragments such as bispecific T-cell engager [BiTE], bispecific killer cell engager [BiKE], trispecific killer cell engager [TriKE], tandem diabody [Tandab] and dual-affinity-retargeting [DART] are showing exciting results in terms of recruiting and activating self-immune effector cells to target and lyse tumor cells. Promisingly, Fc antigen binding fragment [Fcab] and monomeric antibody or half antibody may be particularly advantageous to target solid tumours owing to their small size and thus good tissue penetration potential while, on the other hand, keeping crystallizable fragment [Fc] related effector functions such as antibody-dependent cellular cytotoxicity [ADCC], complement-dependent cytotoxicity [CDC], antibody dependent cell-mediated phagocytosis [ADCP] and extended serum half-life via interaction with neonatal Fc receptor [FcRn]. This review, therefore, focuses on the progress of Fc engineering in generating bispecific molecules and on the use of small antibody fragment as scaffolds for therapeutic 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 découle