Interference chromatography: a novel approach to optimizing chromatographic selectivity and separation performance for virus purification
Notice bibliographique
Résumé
BACKGROUND: Oncolytic viruses are playing an increasingly important role in cancer immunotherapy applications. Given the preclinical and clinical efficacy of these virus-based therapeutics, there is a need for fast, simple, and inexpensive downstream processing methodologies to purify biologically active viral agents that meet the increasingly higher safety standards stipulated by regulatory authorities like the Food and Drug Administration and the European Agency for the Evaluation of Medicinal Products. However, the production of virus materials for clinical dosing of oncolytic virotherapies is currently limited-in quantity, quality, and timeliness-by current purification technologies. Adsorption of virus particles to solid phases provides a convenient and practical choice for large-scale fractionation and recovery of viruses from cell and media contaminants. Indeed, chromatography has been deemed the most promising technology for large-scale purification of viruses for biomedical applications. The implementation of new chromatography media has improved process performance, but low yields and long processing times required to reach the desired purity are still limiting. RESULTS: Here we report the development of an interference chromatography-based process for purifying high titer, clinical grade oncolytic Newcastle disease virus using NatriFlo® HD-Q membrane technology. This novel approach to optimizing chromatographic performance utilizes differences in molecular bonding interactions to achieve high purity in a single ion exchange step. CONCLUSIONS: When used in conjunction with membrane chromatography, this high yield method based on interference chromatography has the potential to deliver efficient, scalable processes to enable viable production of oncolytic virotherapies.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».