An array of 60,000 antibodies for proteome-scale antibody generation and target discovery
Notice bibliographique
Résumé
Antibodies are essential for elucidating gene function. However, affordable technology for proteome-scale antibody generation does not exist. To address this, we developed Proteome Epitope Tag Antibody Library (PETAL) and its array. PETAL consists of 62,208 monoclonal antibodies (mAbs) against 15,199 peptides from diverse proteomes. PETAL harbors binders for a great multitude of proteins in nature due to antibody multispecificity, an intrinsic antibody feature. Distinctive combinations of 10,000 to 20,000 mAbs were found to target specific proteomes by array screening. Phenotype-specific mAb-protein pairs were found for maize and zebrafish samples. Immunofluorescence and flow cytometry mAbs for membrane proteins and chromatin immunoprecipitation-sequencing mAbs for transcription factors were identified from respective proteome-binding PETAL mAbs. Differential screening of cell surface proteomes of tumor and normal tissues identified internalizing tumor antigens for antibody-drug conjugates. By finding high-affinity mAbs at a fraction of current time and cost, PETAL enables proteome-scale antibody generation and target discovery.
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 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».