Molecular Rules Underpinning Enhanced Affinity Binding of Human T Cell Receptors Engineered for Immunotherapy
Notice bibliographique
Résumé
Immuno-oncology approaches that utilize T cell receptors (TCRs) are becoming highly attractive because of their potential to target virtually all cellular proteins, including cancer-specific epitopes, via the recognition of peptide-human leukocyte antigen (pHLA) complexes presented at the cell surface. However, because natural TCRs generally recognize cancer-derived pHLAs with very weak affinities, efforts have been made to enhance their binding strength, in some cases by several million-fold. In this study, we investigated the mechanisms underpinning human TCR affinity enhancement by comparing the crystal structures of engineered enhanced affinity TCRs with those of their wild-type progenitors. Additionally, we performed molecular dynamics simulations to better understand the energetic mechanisms driving the affinity enhancements. These data demonstrate that supra-physiological binding affinities can be achieved without altering native TCR-pHLA binding modes via relatively subtle modifications to the interface contacts, often driven through the addition of buried hydrophobic residues. Individual energetic components of the TCR-pHLA interaction governing affinity enhancements were distinct and highly variable for each TCR, often resulting from additive, or knock-on, effects beyond the mutated residues. This comprehensive analysis of affinity-enhanced TCRs has important implications for the future rational design of engineered TCRs as efficacious and safe drugs for cancer treatment.
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) | 0,001 | 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) | 0,001 | 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 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 ».