Position‐Scanning Peptide Libraries as Particle Immunogens for Improving CD8<sup>+</sup> T‐Cell Responses
Notice bibliographique
Résumé
Abstract Short peptides reflecting major histocompatibility complex (MHC) class I (MHC‐I) epitopes frequently lack sufficient immunogenicity to induce robust antigen (Ag)‐specific CD8 + T cell responses. In the current work, it is demonstrated that position‐scanning peptide libraries themselves can serve as improved immunogens, inducing Ag‐specific CD8 + T cells with greater frequency and function than the wild‐type epitope. The approach involves displaying the entire position‐scanning library onto immunogenic nanoliposomes. Each library contains the MHC‐I epitope with a single randomized position. When a recently identified MHC‐I epitope in the glycoprotein gp70 envelope protein of murine leukemia virus (MuLV) is assessed, only one of the eight positional libraries tested, randomized at amino acid position 5 (Pos5), shows enhanced induction of Ag‐specific CD8 + T cells. A second MHC‐I epitope from gp70 is assessed in the same manner and shows, in contrast, multiple positional libraries (Pos1, Pos3, Pos5, and Pos8) as well as the library mixture give rise to enhanced CD8 + T cell responses. The library mixture Pos1‐3‐5‐8 induces a more diverse epitope‐specific T‐cell repertoire with superior antitumor efficacy compared to an established single mutation mimotope (AH1‐A5). These data show that positional peptide libraries can serve as immunogens for improving CD8 + T‐cell responses against endogenously expressed MHC‐I epitopes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».