Impact of N-glycosylation on Fcγ receptor / IgG interactions: unravelling differences with an enhanced surface plasmon resonance biosensor assay based on coiled-coil interactions
Notice bibliographique
Résumé
The N-glycosylation profile of immunoglobulin G (IgG) is considered a critical quality attribute due to its impact on IgG-Fc gamma receptor (FcγR) interactions, which subsequently affect antibody-dependent cell-based immune responses. In this study, we investigated the impact of the FcγR capture method, as well as FcγR N-glycosylation, on the kinetics of interaction with various glycoforms of trastuzumab (TZM) in a surface plasmon resonance (SPR) biosensor assay. More specifically, we developed a novel strategy based on coiled-coil interactions for the stable and oriented capture of coil-tagged FcγRs at the biosensor surface. Coil-tagged FcγR capture outperformed all other capture strategies applied to the SPR study of IgG-FcγR interactions, as the robustness and reproducibility of the assay and the shelf life of the biosensor chip were excellent (> 1,000 IgG injections with the same biosensor surface). Coil-tagged FcγRs displaying different N-glycosylation profiles were generated either by different expression systems, in vitro glycoengineering or by size-exclusion chromatography, and roughly characterized by lectin blotting. Of salient interest, the overlay of their kinetics of interaction with several TZM glycoforms revealed key differences on both association and dissociation kinetics, confirming a complex influence of the FcγR N-glycosylation and its inherent heterogeneity upon receptor interaction with mAbs. This work is thus an important step towards better understanding of the impact of glycosylation upon binding of IgGs, either natural or engineered, to their receptors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,001 |
| 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 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 ».