Impact of N-glycosylation on Fcγ receptor / IgG interactions: unravelling differences with an enhanced surface plasmon resonance biosensor assay based on coiled-coil interactions
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
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.
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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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