Unnatural amino acids improve affinity and modulate immunogenicity: Developing peptides to treat MHC type II autoimmune disorders
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
Abstract Many autoimmune diseases, including multiple sclerosis (MS), rheumatoid arthritis (RA), and celiac disease (CD), arise from improper immune system recognition of self or benign peptides as threats. No autoimmune disease currently has a cure. Many treatments suppress the entire immune system to decrease symptom severity. The core molecular interaction underlying these diseases involves specific alleles of the human leukocyte antigen (HLA) receptor hosting the immunodominant peptides associated with the disease (i.e., myelin basic protein, Type II collagen, or α‐gliadin) in their binding groove. Once bound, circulating T‐cells can recognize the HLA‐antigen complex and initiate the complex cascade that forms an adaptive immune response. This initial HLA‐antigen interaction is a promising target for therapeutic intervention. Two general strategies have been pursued: altered peptide ligands (APLs) that attempt to recruit a different class of T‐cell to induce an anti‐inflammatory response to balance the pro‐inflammatory response associated with the antigen; and HLA‐blockers (HLABs), peptides that quantitatively displace the antigen to inhibit the immune response. Both approaches would benefit from improved HLA‐drug binding, but as the HLA receptors are highly promiscuous, the binding sites are not specific for any natural amino acid. Unnatural amino acids, either designed or screened through high‐throughput assays, may provide a solution. This review summarizes the nascent field of using noncanonical residues to treat MS, RA and CD, focusing on the importance of specific molecular interactions, and provides some examples of the synthesis of these unnatural residues.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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