Fc Engineering for Developing Therapeutic Bispecific Antibodies and Novel Scaffolds
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».