CellCelector™ as a platform in isolating primary B cells for antibody discovery
Notice bibliographique
Résumé
The most robust strategy in antibody discovery is the use of immunized animals and the ability to isolate and immortalize immune B-cells to hybridoma for further interrogation. However, capturing the full repertoire of an immunized animal is labor intensive, time consuming and limited in throughput. Therefore, techniques to directly mine the antibody repertoire of primary B-cells are of great importance in antibody discovery. In the current study, we present a method to isolate individual antigen-specific primary B-cells using the CellCellector™ single-cell isolation platform from XenoMouse® (XM) immunized with a recombinant therapeutic protein, EGFR. We screened a subset of CD138+ B-cells and identified 238 potential EGFR-specific B-cells from 1189 antibody-secreting cells (ASCs) and isolated 94 by CellCellector. We identified a diverse set of heavy chain complementarity-determining region sequences and cloned and expressed 20 into a standard human immunoglobulin G1 antibody format. We further characterized and identified 13 recombinant antibodies that engage soluble and native forms of EGFR. By extrapolating the method to all 400 000 CD138+ B-cells extracted from one EGFR immunized XM, a potential 1196 unique EGFR-specific antibodies could be discovered. CellCelector allows for interrogating the B-cell pool directly and isolating B-cells specific to the therapeutic target of interest. Furthermore, antibody sequences recovered from isolated B-cells engage the native and recombinant target, demonstrating the CellCellector can serve as a platform in antibody 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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 ».