IDENTIFICATION OF MHC PEPTIDES USING MASS SPECTROMETRY FOR NEOANTIGEN DISCOVERY AND CANCER VACCINE DEVELOPMENT
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
Immunotherapy with neoantigens presented by major histocompatibility complex (MHC) is one of the most promising approaches in cancer treatment. Using this approach, cancer vaccines can be designed to target tumor-specific mutations that are not found in normal tissues. Clinical trials have demonstrated an increased immune response and eradication of tumors after injecting synthetic peptides selected from the immunopeptidome. Although the sequence of MHC binding peptides can be predicted from genome sequencing and prediction algorithms, this approach results in large numbers of predicted peptides, requiring the confirmation by mass spectrometry (MS) analysis. Identification of MHC peptides by direct MS analysis of immunopeptidome is accurate and sensitive, with tens of thousands of unique peptides potentially identified from either cancer cell line or tumor tissue. Peptides with mutations can also be identified with patient-specific protein databases constructed from genome or transcriptome sequencing data. MS analysis also enables the characterization of the post-translational modifications (PTMs) of those antigens that cannot be predicted. Moreover, PTMs were found to be more efficient in triggering an immune response. In addition to reviewing recent advances in the identification of neoantigens using MS, the techniques for cancer vaccine candidate selection and formulation, vaccine delivery systems, and the potential for use in combination with other therapeutics are also discussed. It is anticipated that MS-based techniques will play an important role in future cancer vaccine development. © 2019 John Wiley & Sons Ltd. Mass Spec Rev 40:110-125, 2021.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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